Diagnóstico diferencial de fiebres hemorrágicas utilizando ARTMAP

Abstract

El dengue, leptospirosis y la malaria son enfermedades que pertenecen a un grupo conocido como fiebres hemorrágicas [1] [3]. Estas enfermedades se pueden manifestar inicialmente como síndromes febriles indeterminados, por lo que pueden ser fácilmente confundidas con otros cuadros o incluso entre ellas [2]. A pesar de presentar síntomas parecidos, sus etiologías y tratamiento son muy diferentes, por lo que se hace de especial importancia establecer mecanismos de diagnóstico claramente definidos y con alta especificidad, teniendo en cuenta que la mortalidad asociada a estas enfermedades se reduce dramáticamente al ser diagnosticadas oportunamente. Para el diagnóstico de estas enfermedades, el personal médico dispone de indicaciones semiológicas en la literatura, pero estas enfermedades presentan una alta variabilidad en términos de los síntomas y signos que presentan los pacientes afectados, haciendo difícil establecer con claridad de que enfermedad se trata. Además, se disponen de pruebas de laboratorio para la confirmación del diagnóstico, con confiabilidad altamente variable y resultados que pueden tomar varios días para ser reportados finalmente. Todo lo anterior juega en contra de un diagnóstico acertado y oportuno, llevando muchas veces a falsos diagnósticos. Varios estudios [6] [7] [8] [9] ponen de manifiesto situaciones donde durante un brote epidémico, una enfermedad enmascara una porción significante de casos de otra enfermedad. El dengue, leptospirosis y la malaria son enfermedades de notificación obligatoria a las entidades encargadas de la vigilancia epidemiológica, puesto se consideran riesgos para la salud pública, lo cual las pone en un lugar de importancia manifiesta a la hora de considerar el diseño de estrategias encaminadas a obtener un diagnóstico temprano más acertado. El campo del aprendizaje automatizado (Machine Learning) ha ofrecido históricamente recursos bastante importantes para el diagnóstico médico ayudado por computadora, y a través de estos el problema de diagnóstico se asume como un problema de reconocimiento de patrones. La idea tras este tipo de aplicaciones no es remplazar al personal médico, sino darle herramientas adicionales para la toma de decisiones, y de esta manera contribuir a la mejora de la atención de los pacientes.