Una IA española detecta el 93% de los casos de tricomoniasis con imágenes de microscopio

Un equipo del Hospital Universitario Príncipe de Asturias y la Universidad de Alcalá ha desarrollado un sistema de inteligencia artificial capaz de reconocer la tricomoniasis en imágenes microscópicas. En la prueba independiente que realizaron, el algoritmo identificó correctamente el 93% de los casos positivos, y lo hizo sin ningún aparato nuevo: trabaja con las mismas imágenes de tinción de Gram que los laboratorios ya analizan a diario. El estudio se publicó en junio de 2026 en la revista científica Diagnostics.

La infección de transmisión sexual no viral más frecuente del mundo

La tricomoniasis la provoca el parásito Trichomonas vaginalis. Según los responsables de la investigación, es la infección de transmisión sexual no viral más frecuente del planeta. Lo complicado es otra cosa: una parte importante de los casos no presenta síntomas, así que la infección circula en silencio durante meses.

Sin tratamiento, esa infección silenciosa puede asociarse a la enfermedad inflamatoria pélvica, a la infertilidad o al parto prematuro. Además, aumenta el riesgo de transmitir o adquirir otras infecciones de transmisión sexual. El desafío no es solo médico, también logístico: para detectar a tiempo a personas que ni siquiera saben que están infectadas, se necesitan métodos baratos, rápidos y que funcionen en cualquier laboratorio.

La idea: mirar mejor lo que ya se mira

Aquí es donde entra la parte inteligente del trabajo. La tinción de Gram es una técnica clásica, barata y ampliamente implantada en los laboratorios clínicos. Sirve para teñir muestras y observarlas al microscopio. Pero para detectar este parásito concreto, su sensibilidad es limitada: depende mucho del ojo y de la experiencia de quien mira la imagen.

En lugar de intentar sustituirla por pruebas moleculares caras, los investigadores decidieron sacarle más partido. El grupo de investigación Computación en Salud y Sistemas Inteligentes (HCIS) de la Universidad de Alcalá se alió con el Servicio de Microbiología del hospital de Alcalá de Henares y con investigadores vinculados al Instituto Ramón y Cajal de Investigación Sanitaria. Juntos entrenaron un modelo de aprendizaje profundo llamado EfficientNetV2-XL para distinguir imágenes microscópicas positivas de negativas.

La filosofía del proyecto es lo que lo hace especial: no pidió ni un euro en hardware nuevo. La IA analiza imágenes obtenidas durante la práctica clínica habitual. Si algún día llega a los laboratorios, no requeriría nuevas pruebas ni cambiar los circuitos asistenciales. Ese detalle es el que decide si una tecnología médica llega a la gente o se queda en un artículo.

Cómo se probó, y por qué los números tienen peso

Los detalles del estudio ayudan a entender por qué este resultado merece atención. Las imágenes se obtuvieron entre 2024 y 2025 de pacientes atendidas en el Hospital Universitario Príncipe de Asturias: muestras vaginales teñidas con el método de Gram, exactamente las que cualquier laboratorio maneja.

El sistema se evaluó con 2.540 imágenes en total. De ellas, 380 se reservaron para una prueba independiente: el algoritmo nunca las vio durante el entrenamiento. Esa separación es la que convierte una prueba interna en una prueba de verdad, porque mide si el modelo funciona con imágenes nuevas o si solo memorizó las que ya conocía.

Como referencia para decidir qué era positivo y qué era negativo, usaron pruebas moleculares basadas en la amplificación de ácidos nucleicos, la técnica más fiable disponible. Contra ese listón, el sistema identificó correctamente el 93% de los casos positivos. El trabajo lo encabezó Fernando Ernesto Ortega-Ojeda, con Daniella Peña-Pedraza entre los coautores.

Qué significa ese 93%, y qué no significa

Conviene leer el número con calma, como haría cualquier persona de laboratorio. Primero: un 93% de casos positivos detectados describe la sensibilidad del sistema, no es un porcentaje global de acierto ni una garantía para casos individuales. Segundo: el estudio analizó imágenes ya recogidas, lo que se conoce como diseño retrospectivo. Los propios investigadores señalan que el siguiente paso es validar la herramienta en estudios prospectivos y en distintos entornos asistenciales antes de plantear su incorporación a la práctica clínica habitual.

Y tercero, el más importante: nadie propone que una IA decida sola. El planteamiento de los autores es usarla como apoyo a la decisión clínica o como herramienta de cribado en los laboratorios. Ayudaría a los profesionales a seleccionar casos dudosos que necesiten una evaluación adicional, y favorecería un diagnóstico más precoz. Su valor sería especialmente alto en entornos donde el acceso a técnicas moleculares es limitado, donde hoy muchos casos simplemente pasan desapercibidos.

Por qué este trabajo importa más allá del laboratorio

Hay una lectura más amplia en esta historia. España lleva años apareciendo en los rankings de inversión extranjera en inteligencia artificial, con Barcelona entre las primeras ciudades del mundo en captación de proyectos según IBM Consulting. Este trabajo es lo contrario de un gran anuncio: investigación pública, un hospital y una universidad, un problema concreto y una solución que reutiliza lo que ya existe.

El patrón es replicable. Si una IA puede mejorar la capacidad diagnóstica de una técnica de microscopía clásica para un parásito, el mismo enfoque puede aplicarse a otros microorganismos y a otras pruebas de rutina. El cuello de botella de la medicina digital no suele ser el algoritmo: es el coste y la complejidad de cambiar los flujos de trabajo.

Queda camino: validación prospectiva, pruebas en hospitales diferentes e integración en el software de los laboratorios, además de la aprobación regulatoria correspondiente. Pero la dirección es la correcta. A veces, el mejor uso de la inteligencia artificial en la medicina no es inventar el futuro, sino mirar mejor el presente.

Frequently Asked Questions

¿Qué es la tricomoniasis?

Es una infección de transmisión sexual causada por el parásito Trichomonas vaginalis, la no viral más frecuente del mundo según los investigadores. Una parte importante de los casos no presenta síntomas, por lo que puede pasar desapercibida. Sin tratamiento, puede asociarse a enfermedad inflamatoria pélvica, infertilidad o parto prematuro.

¿Está disponible ya esta tecnología en los hospitales?

No. El estudio, publicado en junio de 2026 en la revista Diagnostics, demuestra el potencial del sistema en una prueba retrospectiva. Los investigadores indican que el siguiente paso es validarlo en estudios prospectivos y en distintos entornos asistenciales antes de plantear su uso clínico. De momento es investigación, no una herramienta comercial.

¿La inteligencia artificial va a sustituir a los microbiólogos?

No es el planteamiento de este trabajo. Los autores proponen el sistema como apoyo a la decisión clínica: ayudaría a los profesionales a identificar casos dudosos y favorecer un diagnóstico más temprano, donde el acceso a técnicas moleculares es limitado. La interpretación final seguiría en manos del personal del laboratorio.