6/8/2018

Investigación

documental y de campo Informe final - Detección del vector

Aedes aegypti y Aedes albopictus a

través de aprendizaje profundo

Rogelio Adrián Hernandez Becerril

Table of Contents Introducción .................................................................................................................................................. 2

Objetivo general: ...................................................................................................................................... 3

Objetivos específicos: ............................................................................................................................... 3

Metodología .................................................................................................................................................. 3

Transmisión ............................................................................................................................................... 4

Características ........................................................................................................................................... 4

Bases teóricas ........................................................................................................................................... 5

Prevención y control ............................................................................................................................. 5

Resultados ..................................................................................................................................................... 7

Conclusiones y recomendaciones ............................................................................................................... 13

Referencias y fuentes de consulta .............................................................................................................. 13

Anexos ......................................................................................................................................................... 13

Introducción En las últimas décadas ha aumentado enormemente la incidencia de dengue en el mundo. El número real

de casos de dengue está insuficientemente notificado y muchos casos están mal clasificados. Según una

estimación reciente, se producen 390 millones de infecciones por dengue cada año (intervalo creíble del

95%: 284 a 528 millones), de los cuales 96 millones (67 a 136 millones) se manifiestan clínicamente

(cualquiera que sea la gravedad de la enfermedad).1 En otro estudio sobre la prevalencia del dengue se

estima que 3900 millones de personas, de 128 países, están en riesgo de infección por los virus del

dengue.2

Los Estados Miembros de tres regiones de la OMS notifican sistemáticamente el número anual de casos.

El número de casos notificados pasó de 2,2 millones en 2010 a 3,2 millones en 2015. Aunque la carga total

de la enfermedad a nivel mundial es incierta, el comienzo de las actividades para registrar todos los casos

de dengue explica en parte el pronunciado aumento del número de casos notificados en los últimos años.

Otra característica de la enfermedad son sus modalidades epidemiológicas, en particular la

hiperendemicidad de los múltiples serotipos del virus del dengue en muchos países y la alarmante

repercusión en la salud humana y en las economías nacionales y mundial.

Antes de 1970, solo nueve países habían sufrido epidemias de dengue grave. Ahora, la enfermedad es

endémica en más de 100 países de las regiones de África, las Américas, el Mediterráneo Oriental, Asia

Sudoriental y el Pacífico Occidental. Las regiones más gravemente afectadas son las Américas, Asia

Sudoriental y el Pacífico Occidental.

En 2008, en las regiones de las Américas, Asia Sudoriental y Pacífico Occidental se registraron en conjunto

más de 1,2 millones de casos, y en 2015, más de 3,2 millones (según datos oficiales presentados por los

Estados Miembros a la OMS). En fecha reciente el número de casos notificados ha seguido aumentando.

En 2015, se notificaron 2,35 millones de casos tan solo en la Región de las Américas, de los cuales más de

10 200 casos fueron diagnosticados como dengue grave y provocaron 1181 defunciones.

Además de que el número de casos aumenta a medida que la enfermedad se propaga a nuevas zonas, se

están produciendo brotes epidémicos de carácter explosivo. Europa ya se enfrenta con la posibilidad de

brotes de dengue ya que la transmisión local se notificó por vez primera en Francia y Croacia en 2010, y

se detectaron casos importados en otros tres países europeos. En 2012, un brote de dengue en el

archipiélago de Madeira (Portugal) ocasionó más 2000 casos, y se registraron casos importados en otros

10 países europeos, además de Portugal continental. Entre los viajeros que regresan de países de ingresos

bajos y medianos, el dengue constituye la segunda causa de fiebre diagnosticada tras el paludismo.

En 2013 ha habido casos en Florida (Estados Unidos de América) y la provincia de Yunnan (China). Además,

el dengue sigue afectando a varios países de América Latina, especialmente Costa Rica, Honduras y

México. En Asia se ha notificado un aumento del número de casos al cabo de varios años en Singapur, y

también se han notificado casos en Laos. Las tendencias observadas en 2014 indican un aumento del

número de casos en China, Fiji, las Islas Cook, Malasia y Vanuatu, y que el virus del dengue de tipo 3 (DEN

3) está afectando a los países insulares del Pacífico tras un periodo de 10 años. El dengue se ha notificado

también en el Japón tras un lapso de más de 70 años.

En 2015, en Delhi (India) se registró el peor brote desde 2006, con más de 15 000 casos. La isla de Hawai,

en el estado homónimo de los Estados Unidos de América, se vio afectada en 2015 por un brote con 181

casos, y la transmisión continúa en 2016. Se han seguido registrando casos en estados insulares del

Pacífico: Fiji, Tonga y Polinesia francesa.

El año 2016 se caracterizó por grandes brotes de dengue en todo el mundo. La Región de las Américas

notificó más de 2 380 000 casos ese año, y solo en Brasil hubo poco menos de 1 500 000 casos, es decir,

cerca de tres veces más que en 2014. En la región se notificaron asimismo 1032 muertes por dengue.

En la Región del Pacífico Occidental, en 2016 se notificaron más de 375 000 casos, 176 411 de ellos en

Filipinas y 100 028 en Malasia, cifras que representan una carga similar a la de años anteriores en ambos

países. Las Islas Salomón declararon un brote con más de 7000 casos sospechosos. En la Región de África,

Burkina Faso notificó un brote localizado con 1061 casos probables.

Hasta la semana epidemiológica 11 de 2017, la Región de las Américas había notificado 50 172 casos, cifra

inferior a la registrada en el mismo periodo en años anteriores. En la Región del Pacífico Occidental se han

notificado brotes de dengue en varios Estados Miembros, y la circulación de los serotipos DENV-1 y DENV-

2.

Cada año, unas 500 000 personas que padecen dengue grave necesitan hospitalización, y

aproximadamente un 2,5% fallecen.

Organización Mundial de la Salud (OMS). (2018, February 2)

Objetivo general: Desarrollar algoritmos que permitan reconocer de manera automática el vector Aedes aegypti y Aedes

albopictus en su estado larvario. Para la detección automática se utilizarán algoritmos de procesamiento

de imágenes y algoritmos de aprendizaje automático a través de aprendizaje profundo.

Objetivos específicos: • Generar una base de datos de entrenamiento, desarrollo y prueba de imágenes de muestras

enfocadas en las sedas del octavo segmento de la larva, tomadas a través de un microscopio de

60x. Mínimo se contarán con 500 imágenes.

• Algoritmos de procesamiento de imágenes para reducir el ruido generado por dispositivos de

captura de imagen como lo son microscopio y cámara digital. Procesamiento de la imagen en sus

diferentes canales para reducir el error total en la clasificación.

• Algoritmos de aprendizaje máquina a través de aprendizaje profundo para la detección

automática del vector Aedes aegypti y Aedes albopictus en su estado larvario. Para la clasificación

se utilizarán redes neuronales convolucionales.

• Optimización de los algoritmos de procesamiento de imágenes y de aprendizaje máquina.

Reducción de falsos positivos y falsos negativos en los algoritmos de clasificación. Para considerar

como exitosa la clasificación será necesario un F1-score de al menos .8.

Metodología El dengue es una virosis pandemiógena que se está propagando rápidamente en muchas regiones del

mundo. Prospera en zonas urbanas pobres, suburbios y zonas rurales, aunque también afecta a barrios

más acomodados de países tropicales y subtropicales. Esta infección vírica, transmitida por mosquitos,

produce un síndrome pseudogripal grave y en ocasiones puede derivar en un cuadro potencialmente

mortal conocido como dengue grave. La incidencia de la enfermedad se ha multiplicado por 30 en los

últimos 50 años. Actualmente se estima que se producen entre 50 y 100 millones de infecciones cada año

en los más de 100 países en los que el dengue es endémico, lo que supone un riesgo de infección para

prácticamente la mitad de la población mundial. [1]

Transmisión El vector principal del dengue es el mosquito Aedes aegypti. El virus se transmite a los seres humanos por

la picadura de mosquitos hembra infectadas. Tras un periodo de incubación del virus que dura entre 4 y

10 días, un mosquito infectado puede transmitir el agente patógeno durante toda la vida.

Las personas infectadas sintomáticas y asintomáticas son los portadores y multiplicadores principales del

virus, y los mosquitos se infectan al picarlas. Tras la aparición de los primeros síntomas, las personas

infectadas con el virus pueden transmitir la infección (durante 4 o 5 días; 12 días como máximo) a los

mosquitos Aedes.

El mosquito Aedes aegypti vive en hábitats urbanos y se reproduce principalmente en recipientes

artificiales. A diferencia de otros mosquitos, este se alimenta durante el día; los periodos en que se

intensifican las picaduras son el principio de la mañana y el atardecer, antes de que oscurezca. En cada

periodo de alimentación, el mosquito hembra pica a muchas personas.

Aedes albopictus, vector secundario del dengue en Asia, se ha propagado al Canadá, Norte América y a

más de 25 países en la región de Europa debido al comercio internacional de neumáticos usados (que

proporcionan criaderos al mosquito) y el movimiento de mercancías (por ejemplo, el bambú de la

suerte). Ae. albopictus tiene una gran capacidad de adaptación y gracias a ello puede sobrevivir en las

temperaturas más frías de Europa. Su tolerancia a las temperaturas bajo cero, su capacidad de

hibernación y su habilidad para guarecerse en microhábitats son factores que propician su propagación.

[1]

Características El dengue es una enfermedad de tipo gripal que afecta a bebés, niños pequeños y adultos, pero raras

veces resulta mortal.

Se debe sospechar que una persona padece dengue cuando una fiebre elevada (40 °C) se acompaña de

dos de los síntomas siguientes: dolor de cabeza muy intenso, dolor detrás de los globos oculares, dolores

musculares y articulares, náuseas, vómitos, agrandamiento de ganglios linfáticos o salpullido. Los

síntomas se presentan al cabo de un periodo de incubación de 4 a 10 días después de la picadura de un

mosquito infectado y por lo común duran entre 2 y 7 días.

El dengue grave es una complicación potencialmente mortal porque cursa con extravasación de plasma,

acumulación de líquidos, dificultad respiratoria, hemorragias graves o falla orgánica. Los signos que

advierten de esta complicación se presentan entre 3 y 7 días después de los primeros síntomas y se

acompañan de un descenso de la temperatura corporal (menos de 38 °C) y son los siguientes: dolor

abdominal intenso, vómitos persistentes, respiración acelerada, hemorragias de las encías, fatiga,

inquietud y presencia de sangre en el vómito. Las siguientes 24 a 48 horas de la etapa crítica pueden ser

letales; hay que brindar atención médica para evitar otras complicaciones y disminuir el riesgo de muerte.

Bases teóricas

Prevención y control

• Hoy por hoy, el único método para controlar o prevenir la transmisión del virus del dengue

consiste en luchar contra los mosquitos vectores:

• evitar que los mosquitos encuentren lugares donde depositar sus huevecillos aplicando el

ordenamiento y la modificación del medio ambiente;

• eliminar correctamente los desechos sólidos y los posibles hábitats artificiales;

• cubrir, vaciar y limpiar cada semana los recipientes donde se almacena agua para uso doméstico:

• aplicar insecticidas adecuados a los recipientes en que se almacena agua a la intemperie;

• utilizar protección personal en el hogar, como mosquiteros en las ventanas, usar ropa de manga

larga, materiales tratados con insecticidas, espirales y vaporizadores;

• mejorar la participación y movilización comunitarias para lograr el control constante del vector;

• durante los brotes epidémicos, las medidas de lucha antivectorial de emergencia pueden incluir

la aplicación de insecticidas mediante el rociamiento.

• se debe vigilar activamente los vectores para determinar la eficacia de las medidas de control.

[1]

El siguiente proyecto buscará crear una solución tecnológica que permita realizar la identificación del

vector de forma automática a través de capturas de imágenes de larvas recolectadas por medio de un

teléfono celular con un microscopio 60x. Para la automatización de la detección se utilizará aprendizaje

profundo. En el aprendizaje profundo, cada nivel aprende a transformar sus datos de entrada en una

representación un poco más abstracta y compuesta. En una aplicación de reconocimiento de imágenes,

la entrada puede ser una matriz de píxeles; la primera capa representacional puede abstraer los píxeles y

codificar los bordes; la segunda capa puede componer y codificar arreglos de bordes; la tercera capa

puede codificar una nariz y ojos; y la cuarta capa puede reconocer que la imagen contiene una cara. Es

importante destacar que un proceso de aprendizaje profundo puede aprender qué funciones colocar de

forma óptima en qué nivel por sí mismo. (Por supuesto, esto no elimina por completo la necesidad de

afinación a mano, por ejemplo, el número variable de capas y tamaños de capas puede proporcionar

diferentes grados de abstracción. Para la detección del vector estamos considerando que pueda extraer

las características de las sedas del octavo segmento de la larva.

Un adecuado control vectorial hará una diferencia sustancial en la reducción de casos y serotipos

circulantes, por lo que el mejorar la calidad y velocidad del control vectorial es pieza clave para contener

las enfermedades que porta el vector y anticiparse a ellas [2]. Además de ello, es importante el brindar

técnicas de control vectorial eficaces y de bajo costo a poblaciones vulnerables en zonas aisladas y rurales,

que cuentan con dificultades para la erradicación del vector por desconocimiento o falta de

infraestructura.

Parte del trabajo que se realizará será con el apoyo del Instituto Politécnico Nacional y los autores del

artículo [1]:

A. Sanchez-Ortiz, A. Fierro-Radilla, A. Arista-Jalife, M. Cedillo-Hernandez, M. Nakano-Miyatake ESIME

Culhuacan, Instituto Politécnico Nacional Mexico City, Mexico. mnakano@ipn.mx, alegis14@gmail.com

Figura 1

Hoy por hoy, el único método para controlar o prevenir la transmisión del virus del dengue consiste en

luchar contra los mosquitos vectores. Las medidas de lucha anti-vectorial de emergencia pueden incluir

la aplicación de insecticidas mediante el rociamiento, se debe vigilar activamente los vectores para

determinar la eficacia de las medidas de control. Por lo que la supresión del vector evita la propagación

de estos virus y se verá disminuida de forma radical. Un método efectivo para contrarrestar los mosquitos

Aedes es conocer su ciclo de vida y aplicar acciones eficientes para interrumpirlo. El mosquito Aedes tiene

cuatro fases en su ciclo de vida: huevo, larva, pupa y mosquito, como se muestra en la Fig. 1. Las primeras

tres fases se clasifican como fases acuáticas porque necesitan agua para vivir. En condiciones favorables,

los mosquitos Aedes pueden reproducirse en solo una o dos semanas.

Existen diferentes formas de clasificar los mosquitos, en este trabajo vamos a tomar parte del trabajo

realizado en [1] para la clasificación, utilizando el octavo segmento (VIII) de la larva, donde se puede

observar el patrón en la Figura 2:

Figura 2

El patrón del octavo segmento (VIII) se puede usar para discriminar larvas del género Aedes de otros

géneros. El patrón del octavo segmento de otros géneros se puede ver en la Figura 3.

Figura 3

Dadas estas características constantes en el patrón, es factible poder considerar la detección automática

a través de algoritmos de aprendizaje maquina extrayendo el octavo segmento.

Estaremos utilizando la base de datos que amablemente nos han permitido utilizar los autores del articulo

[1]. Los autores de [1] han diseñado un sistema de adquisición de imágenes que consiste en un una lente

de microscopio conectada a la cámara de un teléfono celular y un soporte para el teléfono. El microscopio

tiene una capacidad de amplificación de 60-100 veces. Este dispositivo podemos observarlo en la Figura

4.

Figura 4

La base de datos cuenta con aproximadamente 300 imágenes de larvas, que son 102 imágenes de Aedes

y 208 imágenes de "No Aedes". Todas las larvas utilizadas para generar los conjuntos de datos se

identificaron previamente y se clasificaron en el Laboratorio de Salud Pública del Estado de Hidalgo en

México basado en el artículo [1].

[1] Sanchez-Ortiz, A & Fierro, Atoany & Arista-Jalife, A & Cedillo-Hernandez, M & Nakano-Miyatake, M &

Robles-Camarillo, Daniel & Cuatepotzo-Jimenez, V. (2017). Mosquito larva classification method based on

convolutional neural networks. 1-6. 10.1109/CONIELECOMP.2017.7891835.

Resultados Se realizó una encuesta dentro de Facebook para poder validar cuantas personas se encuentran en

riesgo, la muestra no es significativa, pero nos puede dar una idea sobre todo del conocimiento de la

población de enfermedades como el dengue o el Zika.

Conclusiones y recomendaciones De la muestra recolectada de encuestas lo que pudimos observar es el gran número de personas que

viajan a zonas de riesgo tanto en el interior como al exterior de la Republica Mexicana. Un 30% de la

población encuestada comento no conocer sobre los riesgos y métodos para prevenir enfermedades por

mosquitos y el 60% de la población no utiliza ningún mecanismo para evitar picaduras de mosquito. En

base a esta encuesta podemos concluir la importancia de tener mecanismos eficaces para la erradicación

de dichas enfermedades. Como siguientes pasos dentro de la investigación será realizar los pasos

descritos en el cronograma para desarrollar un sistema de aprendizaje maquina que permita identificar la

larva portadora de enfermedades. De esta manera podremos prevenir la transmisión del virus del dengue

en zonas de riesgo.

Referencias y fuentes de consulta Angermueller, C., Pärnamaa, T., Parts, L., & Stegle, O. (2016). Deep learning for computational biology.

Molecular Systems Biology, 12(7), 878.

Bhatt S, Gething PW, Brady OJ, Messina JP, Farlow AW, Moyes CL et.al. The global distribution and

burden of dengue. Nature;496:504-507.

Brady OJ, Gething PW, Bhatt S, Messina JP, Brownstein JS, Hoen AG et al. Refining the global spatial

limits of dengue virus transmission by evidence-based consensus. PLoS Negl Trop Dis. 2012;6:e1760.

doi:10.1371/journal.pntd.0001760.

Díaz-Quiñonez, J. A., López-Martínez, I., Torres-Longoria, B., Vázquez-Pichardo, M., Cruz-Ramírez, E.,

Ramírez-González, J. E., … Kuri-Morales, P. (2016). Evidence of the presence of the Zika virus in Mexico

since early 2015. Virus Genes, 52(6), 855–857.

Leparc-Goffart, I., Nougairede, A., Cassadou, S., Prat, C., & Lamballerie, X. de. (2014). Chikungunya in the

Americas. The Lancet, 383(9916), 514.

Organización Mundial de la Salud (OMS). (2018, February 2). OMS. Retrieved from Dengue y dengue

grave: http://www.who.int/es/news-room/fact-sheets/detail/dengue-and-severe-dengue

Patterson, J., Sammon, M., & Garg, M. (2016). Dengue, Zika and Chikungunya: Emerging Arboviruses in

the New World. Western Journal of Emergency Medicine, 17(6), 671–679.

Rampasek, L., & Goldenberg, A. (2016). TensorFlow: Biology’s Gateway to Deep Learning? Cell Systems,

2(1), 12–14.

Sanchez-Ortiz, A & Fierro, Atoany & Arista-Jalife, A & Cedillo-Hernandez, M & Nakano-Miyatake, M &

Robles-Camarillo, Daniel & Cuatepotzo-Jimenez, V. (2017). Mosquito larva classification method based

on convolutional neural networks. 1-6. 10.1109/CONIELECOMP.2017.7891835.

Shepard, D. S., Undurraga, E. A., Halasa, Y. A., & Stanaway, J. rey D. (2016). The global economic burden

of dengue: a systematic analysis. Lancet Infectious Diseases, 16(8), 935–941.

Anexos ENTREVISTA

Tiempo: 30 minutos debido a la agenda complicada de la investigadora.

Adrian: Muy buenos días voy a realizarle un par de preguntas para entender con mayor profundidad cuál

es el impacto de esta investigación, qué es lo que han estado realizando y en que me puedo enfocar para

contribuir con la investigación.

Adrian: ¿Cuál es el impacto que tiene el virus en la sociedad?

Investigador: En muchas regiones del país el mosquito Aedes transmite muchas enfermedades y esto ha

provocado que se considere como un tema de salud pública. La principal estrategia para detener las

enfermedades es suprimir el vector y esto se debe hacer identificando el octavo segmento en su estado

de larva. Para ciertas zonas alejadas de la ciudad representa un reto muy importante poder analizar a

tiempo las larvas ya que están deben enviarse a laboratorios alejados de la zona, lo que provocó que

muchas veces no se pueda detener.

Adrian: ¿Cuántas imágenes tienen recolectadas?

Investigador: Se tienen recolectadas 300 imágenes, 102 imágenes de “Aedes” y 208 imágenes “No Aedes”.

La clasificación de las imágenes se realizó en el Laboratorio de Salud Pública del Estado de Hidalgo.

Adrian: ¿Qué mecanismo están utilizando para la captura de las imágenes?

Investigador: Para la captura de imágenes se está utilizando un microscopio conectado al teléfono celular,

se está utilizando este mecanismo para que en las zonas remotas sea una manera de sencilla de tomar la

muestra. Debido a la calidad de la imagen es necesario realizar un procesamiento a la imagen para poder

extraer las características del octavo segmento.

Adrian: ¿Qué algoritmos se están utilizando para la detección?

Investigador: Se esta utilizando una red llamada Alexnet, esta red neuronal fue desarollada por Alex

Krizhevsky, Ilya Sutskever y Geoff Hinton. Esta red es mucho mas profunda que LeNet.

Adrian: ¿Qué algoritmos podría estar utilizando para continuar con la investigación?

Investigador: Realizar una red profunda desde cero para reducir el error en la detección, así como mejorar

el procesamiento de la imagen. Existe diferentes algoritmos que de procesamiento de imagen que se

pueden utilizar, ya que solo una porción de la imagen es relevante para la clasificación que es en donde

se encuentra el octavo segmento.

Adrian: Agradezco mucho el tiempo que me ha otorgado y la claridad de sus respuestas.