El terminal captura las imágenes del laboratorio y las analiza utilizando un algoritmo de aprendizaje profundo para identificar, contar y clasificar células de Tuberculosis, con el objetivo de determinar el estado de la enfermedad del paciente y el tratamiento adecuado para cada caso.
BacillAI se desarrolló gracias a un trabajo de investigación de aprendizaje profundo por Cambridge Consultants, experta en el desarrollo de soluciones tecnológicas innovadoras. Este laboratorio implementa la arquitectura NVIDIA DGX POD AI, que proporciona almacenamiento flash de alto rendimiento a escala de petabytes.
La tuberculosis es la segunda causa de muerte por enfermedad infecciosa en los países en vías de desarrollo. Su alta tasa de mortalidad se debe a una variedad de factores, incluida la falta de diagnósticos disponibles y asequibles y los resultados no consistentes adquiridos en el seguimiento de los pacientes. La tuberculosis se controla tomando una muestra de esputo y contando manualmente las células bajo un microscopio.
“un sistema que elimina la variabilidad humana en el conteo”
Asimismo, en países de bajos recursos, esto es muy difícil, ya que hay poco personal cualificado que trabaje en condiciones difíciles. Los médicos, además, pueden necesitar revisar diez pacientes por día, y para cada paciente se necesita contar cientos de células a través de un microscopio. Esto conduce a fatiga visual para los médicos y resultados lentos y de baja calidad para los pacientes.
La doctora Kathleen England, asesora principal de diagnóstico de Tuberculosis de Cambridge Consultants, señala que “un sistema que elimina la variabilidad humana en el conteo, reduce el nivel de habilidad, aumenta el rendimiento y comparte información a través de una red es muy beneficioso para el examen de frotis del paciente”.
Si (
No(
