Una nueva era en la identificación de géneros de garrapatas; inteligencia artificial para precisión y velocidad

Área de la Ciencia:

• Entomología Veterinaria
• Bioinformática
• Ciencias de la Computación

Sus antecedentes:

• Las pandemias y el aumento de las enfermedades transmitidas por vectores resaltan las vulnerabilidades del sistema de salud.
• Las garrapatas son vectores importantes de agentes infecciosos, lo que representa riesgos para la salud humana y del ganado.
• La identificación tradicional de garrapatas por expertos es lenta y desafiante.

Objetivo del estudio:

• Desarrollar una aplicación web basada en IA para la identificación precisa de los géneros de garrapatas Hyalomma y Rhipicephalus.
• Crear una herramienta fácil de usar para la clasificación rápida y precisa de garrapatas, ayudando a la vigilancia de enfermedades.

Principales métodos:

• La recopilación de datos incluyó imágenes de garrapatas identificadas y organismos que no son garrapatas.
• Se entrenaron y probaron modelos de redes neuronales convolucionales (CNN), VGG16 y ResNet-50.
• Se desarrolló una aplicación web (I-TickNet) que integra los modelos de IA para la clasificación en tiempo real.

Principales resultados:

• ResNet50 logró una precisión y AUC del 100 % para la clasificación de garrapatas frente a no garrapatas.
• VGG16 demostró una precisión del 96,97 % y un AUC del 99,55 % para la clasificación de géneros de garrapatas.
• La aplicación I-TickNet proporciona alta precisión y sensibilidad en la identificación de géneros de garrapatas.

Conclusiones:

• La aplicación web desarrollada, I-TickNet, identifica con éxito los géneros de garrapatas con alta precisión.
• Este marco de IA/IoT ofrece una solución fácil de usar para la identificación de garrapatas sin necesidad de conocimientos expertos.
• La herramienta apoya las iniciativas de salud pública al permitir el seguimiento eficiente de los vectores de enfermedades.