¿Puede la IA identificar la tuberculosis a partir de grabaciones de audio de la tos con mayor precisión que los clínicos humanos ?

La tuberculosis sigue siendo uno de los principales asesinos infecciosos en el mundo, y el diagnóstico temprano es crucial para el éxito del tratamiento. Los sonidos de la tos contienen firmas acústicas únicas de condiciones respiratorias. Se están desarrollando modelos de IA para analizar grabaciones de tos en busca de biomarcadores específicos de infección por tuberculosis. Estos sistemas podrían permitir la detección remota y de bajo costo en entornos con recursos limitados. Estas herramientas deben validarse rigurosamente en poblaciones diversas para garantizar su confiabilidad.

Estudios recientes indican que la IA puede identificar tuberculosis a partir de grabaciones de audio de la tos con una precisión comparable o superior a la de los clínicos capacitados, especialmente en entornos con pocos recursos. Por ejemplo, investigaciones que utilizan redes neuronales convolucionales y aprendizaje por transferencia en conjuntos de datos de tos de origen colectivo han reportado sensibilidades y especificidades de alrededor del 90–95% en la detección de biomarcadores acústicos específicos de la tuberculosis. Sin embargo, estos sistemas a menudo dependen de grabaciones de alta calidad y pueden tener dificultades con factores de confusión como el ruido de fondo o condiciones respiratorias coexistentes. Su implementación en entornos clínicos reales sigue siendo limitada, y la validación regulatoria aún está en curso.

— Enriched 12 de mayo de 2026 · Fuente: Organización Mundial de la Salud — https://www.who.int/publications/i/item/9789240079242