Autor destacado: Detección de especies de tripanosomas impulsada por IA a partir de imágenes microscópicas

El objetivo de la investigación es desarrollar un modelo de IA de inteligencia artificial que haga uso de una técnica híbrida de aprendizaje profundo de detección y clasificación de objetos para definir la especie de protozoos tripanosomas, a saber, trypanosoma cruzi, T.brucei y T.evansi, a partir de imágenes microscópicas de inmersión en aceite en la plataforma interna de IA de bajo código CiRA CORE. El desarrollo más reciente en nuestro campo de investigación es el desarrollo de algoritmos de aprendizaje que pueden identificar y clasificar especies de tripanosomas a partir de imágenes microscópicas. Este programa tiene el potencial de revolucionar la vigilancia y el control al proporcionar un método de detección rápido, automatizado y preciso que puede ser utilizado por el personal local en áreas remotas.

El uso de algoritmos modificados e híbridos entre dos modelos de aprendizaje profundo diferentes dentro del programa de IA de propósito puede superar muchos desafíos. La identificación de la morfología compartida, la infección mixta e inmadura y la caracterización precisa de las especies permiten la taxonomía estándar automática.