The MosAICo ecosystem: bridging the taxonomic gap in vector surveillance with real-time entomological artificial intelligence

Resumen Técnico: El Ecosistema MosAICo

Planteamiento del Problema
Las enfermedades transmitidas por mosquitos están escalando como una amenaza para la salud global debido al cambio climático, la urbanización y la expansión de vectores invasores. Los esfuerzos de vigilancia actuales enfrentan un cuello de botella crítico conocido como el "impedimento taxonómico": el volumen de especímenes de mosquitos recolectados en el campo supera ampliamente la capacidad de los entomólogos expertos para procesarlos e identificarlos. Esta disparidad limita la efectividad de la vigilancia de vectores en tiempo real y obstaculiza las respuestas rápidas de salud pública.

Metodología
Para abordar este cuello de botella, los autores desarrollaron MosAICo, un ecosistema integrado que combina hardware estandarizado e inteligencia artificial para la identificación automatizada de especies de mosquitos. El sistema consta de dos componentes primarios:

1. Hardware: Un dispositivo de imagen de mesa estandarizado, diseñado para la captura de alto rendimiento de capturas de trampas.
2. Software (MosAICo-Net): Un flujo de trabajo de aprendizaje profundo diseñado para un reconocimiento de conjunto abierto (open-set recognition) y una cuantificación de la incertidumbre con principios sólidos. A diferencia de los clasificadores de conjunto cerrado que fuerzan todas las entradas en categorías conocidas, MosAICo-Net está diseñado para identificar especies objetivo mientras rechaza explícitamente los especímenes fuera de la distribución (OOD, por sus siglas en inglés) que no coinciden con la distribución de entrenamiento.

El modelo fue entrenado y evaluado con un conjunto de datos de 12,499 especímenes que representan 15 especies recolectadas en Italia. Se centra en la identificación de siete especies vectoras prioritarias. El rendimiento del sistema fue validado a través de tres fases distintas:

• Pruebas Geográficamente Estratificadas: Evaluación en un conjunto de prueba retenido para evaluar la generalización dentro de la región de entrenamiento.
• Validación de Campo: Despliegue en 20 sitios de vigilancia italianos que involucraron 1,470 especímenes objetivo recolectados en campo, con resultados comparados contra recuentos manuales de expertos.
• Generalizabilidad Transgeográfica: Evaluación de 118 especímenes de Aedes albopictus recolectados en el frente de invasión en Ghana para probar el rendimiento en regiones distantes y epidemiológicamente críticas.

Resultos Clave

• Identificación de Especies Objetivo: En el conjunto de prueba retenido geográficamente estratificado, MosAICo-Net logró una precisión >90% en las especies objetivo.
• Detección de Fuera de la Distribución (OOD): El sistema demostró un AUROC de 0.96 para la detección de especímenes fuera de la distribución de entrenamiento.
• Desempeño en Campo: En la validación de campo de 20 sitios, el sistema alcanzó un 94% de precisión micro en especímenes objetivo y mostró una fuerte concordancia con los recuentos manuales de expertos (Chi-cuadrado = 0.66).
• Robustez Transgeográfica: Al ser probado con especímenes ghaneses, el sistema alcanzó una precisión del 97.4%, requiriendo la escalada a revisión de expertos de un solo espécimen.
• Capacidad de Procesamiento (Throughput): El sistema procesa hasta 82 especímenes por imagen, igualando las velocidades de procesamiento de un experto independientemente de la complejidad taxonómica.

Significancia y Reivindicaciones
El artículo posiciona a MosAICo como un "multiplicador de fuerza" escalable para la entomología de salud pública. Al integrar IA consciente de la incertidumbre dentro de un flujo de trabajo de hardware y software estandarizado, el sistema busca resolver el impedimento taxonómico mediante la automatización de la identificación de especies vectoras comunes. Los autores afirman que este enfoque libera la atención de los expertos para los casos específicos que requieren validación humana: especímenes raros, invasores o ambiguos. La exitosa validación transgeográfica sugiere que el sistema es adecuado para su despliegue en regiones distantes donde la capacidad entomológica experta puede ser limitada, cerrando así la brecha entre las tasas de recolección de especímenes y la capacidad de identificación.