AIR-LEISH: Un conjunto de datos de imágenes microscópicas teñidas con Giemsa para la detección mediante IA de amastigotes de Leishmania

Por qué importan los parásitos diminutos y las cámaras inteligentes

La leishmaniasis es una enfermedad transmitida por parásitos que afecta silenciosamente a millones de personas, principalmente en regiones de bajos ingresos. Los médicos e investigadores siguen dependiendo en gran medida de la observación de frotis sanguíneos y tisulares teñidos al microscopio para identificar el parásito dentro de las células inmunitarias: un proceso minucioso que puede llevar horas y requiere formación especializada. Este artículo presenta AIR-LEISH, una colección de imágenes microscópicas de acceso gratuito diseñada para que los ordenadores aprendan a reconocer automáticamente estos parásitos, abriendo la puerta a herramientas de diagnóstico e investigación de fármacos más rápidas, baratas y fiables.

De las picaduras de los flebótomos a los invasores ocultos

La leishmaniasis se transmite por la picadura de flebótomos infectados y puede causar lesiones en la piel o una infección de órganos internos que pone en riesgo la vida. El parásito vive y se multiplica dentro de células blancas llamadas macrófagos, ocultándose en una diminuta forma redondeada conocida como amastigote. Para evaluar la gravedad de la infección de un paciente o la eficacia de un posible tratamiento, los investigadores deben contar cuántos parásitos están dentro de estas células. Las pruebas moleculares pueden detectar ADN del parásito, pero en muchos hospitales y laboratorios de investigación —especialmente en entornos con recursos limitados— los microscopios ópticos simples siguen siendo la herramienta principal. Contar parásitos a simple vista, sin embargo, es lento, fatigoso y puede variar entre observadores.

Construyendo un conjunto de entrenamiento para visión artificial

La inteligencia artificial ha demostrado que puede detectar patrones en imágenes médicas que son demasiado sutiles o tediosos para que los humanos los procesen a gran escala. Pero para hacerlo bien, los sistemas de IA necesitan miles de ejemplos etiquetados con cuidado. Hasta ahora, esas colecciones de imágenes para leishmaniasis eran escasas, incompletas o difíciles de acceder —especialmente para la etapa clínicamente importante de los amastigotes dentro de las células. Los autores crearon AIR-LEISH para cubrir esta laguna: 180 imágenes microscópicas de alta resolución teñidas con Giemsa de macrófagos humanos infectados, capturadas con un smartphone común montado en un microscopio de investigación estándar. Cada imagen muestra células procedentes de uno de dos montajes de infección, con diferentes especies de parásitos y tipos de células huésped, de modo que se cubre una amplia gama de apariencias realistas.

Convirtiendo imágenes crudas en verdad fundamental confiable

Para que las imágenes fueran útiles para los ordenadores, cada célula y parásito tuvo que ser trazado y etiquetado a mano. Un experto en parasitología marcó primero los contornos de macrófagos individuales, sus núcleos y los pequeños amastigotes usando una herramienta de anotación especializada. Un ingeniero de IA refinó luego esas marcas píxel a píxel para asegurar formas y límites precisos, incluyendo parásitos pequeños o solapados. El equipo comprobó la consistencia entre anotadores y encontró un acuerdo muy alto, lo que indica que las etiquetas pueden considerarse verdad fundamental fiable. En total, el conjunto de datos incluye 8.140 parásitos, 1.511 células huésped y 1.731 núcleos, junto con imágenes de máscara separadas que indican a un algoritmo exactamente qué píxeles pertenecen a cada estructura.

Poniendo a prueba modelos de IA

Para mostrar lo que AIR-LEISH puede permitir, los investigadores entrenaron dos sistemas de análisis de imágenes ampliamente usados. Uno, llamado U-Net, está diseñado para colorear cada píxel según si pertenece a fondo, parásito, cuerpo celular o núcleo. El otro, YOLOv8, dibuja recuadros rectangulares alrededor de cada objeto que detecta y los cuenta. A pesar del pequeño tamaño de los parásitos y del número limitado de imágenes, ambos modelos funcionaron bien para localizar y separar los parásitos de sus células huésped, alcanzando puntuaciones altas tanto en precisión como en fiabilidad. Los modelos incluso lograron detectar una única célula infectada entre más de un centenar de células mayoritariamente limpias, lo que sugiere su potencial para apoyar cribados muy sensibles en el futuro.

Abriendo puertas para mejor atención y nuevos tratamientos

Al publicar AIR-LEISH abiertamente en la plataforma Zenodo, junto con código y documentación detallada, los autores proporcionan una base práctica para que muchos grupos de todo el mundo —especialmente aquellos con recursos limitados— construyan y comparen herramientas de IA para la leishmaniasis. Dado que las imágenes también incluyen las células huésped y sus núcleos, el conjunto de datos puede respaldar estudios más amplios de recuento celular, niveles de infección e incluso otros patógenos que viven dentro de células inmunitarias similares. En términos sencillos, este trabajo convierte horas del trabajo experto al microscopio en un recurso digital reutilizable, ayudando a acelerar el diagnóstico, el descubrimiento de fármacos y, en última instancia, la lucha contra una enfermedad desatendida pero grave.

Cita: Oualha, R., Fekih-Romdhane, N., Driss, D. et al. AIR-LEISH: A Dataset of Giemsa-Stained Microscopy Images for AI-based Leishmania amastigotes Detection. Sci Data 13, 328 (2026). https://doi.org/10.1038/s41597-026-06676-8

Palabras clave: leishmaniasis, imágenes microscópicas, IA en imágenes médicas, detección de parásitos, diagnóstico de enfermedades infecciosas