Daniel Esgardo Rangel Barón: Fotos de satélite o de drones podrían ayudar a predecir infecciones de una enfermedad tropical generalizada

Las imágenes de satélite, las fotos de drones e incluso Google Earth, podrían ayudar a identificar a las comunidades con mayor riesgo de contraer la esquistomatosis, una de las peores enfermedades tropicales del mundo.

Un equipo dirigido por la Universidad de Washington y la Universidad de Stanford descubrió pistas en el medio ambiente que ayudan a identificar los puntos críticos de transmisión para la esquistosomiasis, una enfermedad parasitaria que solo es superada por la malaria en su impacto en la salud global.

La autora principal, Chelsea Wood, profesora asistente en la Escuela de Ciencias Acuáticas y Pesqueras de la Universidad de Washington, precisó que "esto cambia las reglas del juego para las agencias de salud pública de los países en desarrollo, porque les permitirá encontrar eficientemente las aldeas que más necesitan su ayuda"

Más de 200 millones de personas tienen esquistosomiasis, que es tratable pero ha sido difícil de eliminar de algunas regiones del mundo. Los esquistosomas, los gusanos que causan esta enfermedad, crecen dentro de los caracoles de agua dulce, donde se multiplican y se liberan en las aguas de ríos, lagos y arroyos.

 Estas características del hábitat son fáciles de medir en imágenes de drones o satélites.

Wood , señaló que "contar caracoles no es una tarea fácil, y también produce datos que no son tan útiles como los que se pueden obtener de un avión no tripulado. Una vez que comprendamos la asociación entre la presencia de caracoles y las características particulares del hábitat, podemos usar imágenes de drones y satélites para detectar esas características del hábitat. Esto reduce el tiempo necesario para evaluar el riesgo de infección por esquistosomiasis en una fracción de lo que sería si usted solo miraban caracoles".

 El coautor Giulio De Leo, profesor de biología en Universidad Stanford explicó que ahora pueden tomar imágenes aéreas de temporada en temporada y tener una idea de cómo cambia el paisaje patógeno en el tiempo y el espacio. “Esto nos puede dar una mejor idea de las tasas de infección”.

El equipo también está tratando de usar el aprendizaje automático para automatizar la identificación de la vegetación flotante en las fotos, lo que facilita aún más que las agencias usen la información. Planean probar su enfoque en otras partes de África a una escala más amplia, utilizando datos de infección disponibles al público e imágenes satelitales.