Un algoritmo de IA para la identificación rápida y precisa de patógenos alimentarios

• Redacción
• 18 noviembre, 2025
• I+D
• algoritmo, Anlis Malbrán, Inteligencia Artificial, Listeria innocua, Listeria monocytogenes, patógenos alimentarios, Portada
• 0 Comments

La Anlis Malbrán desarrolló un algoritmo de IA que permite diferenciar con alta precisión, rapidez y confiabilidad Listeria monocytogenes de Listeria innocua. La Listeria monocytogenes es patógena y causante de listeriosis, una enfermedad grave en el ser humano, mientras que la innocua no es infecciosa pero tiene relevancia en la industria alimentaria. Este avance se llevó a cabo a través del Instituto Nacional de Enfermedades Infecciosas (INEI) y la Unidad Operativa de IA y Ciencia de Datos en Salud Pública. Permite evitar falsos positivos, reducir los riesgos de brotes y fortalecer la seguridad alimentaria y la salud pública en el país.

La listeriosis es una infección que causa la bacteria Listeria monocytogenes, generalmente contraída por el consumo de alimentos contaminados. Afecta principalmente a personas con sistemas inmunitarios debilitados, adultos mayores, recién nacidos y mujeres embarazadas.

 “En la actualidad, Listeria monocytogenes representa una de las amenazas más significativas para la seguridad alimentaria en la industria moderna. Lo que exige medidas de control rigurosas y protocolos de detección rápida para proteger la salud de la población. Desde el Malbrán, nuestros equipos están incorporando inteligencia artificial aplicada al diagnóstico, que permite una mejor y más precisa toma de decisiones para la gestión sanitaria nacional”. Así lo destacó la directora del organismo, Claudia Perandones. “Nuestro país continúa consolidándose como referente regional e internacional en la articulación de la tecnología, la ciencia y salud pública”.

Por su parte, la bioquímica del INEI y líder del proyecto, María Florencia Rocca, señaló que “los métodos tradicionales presentan limitaciones para diferenciar las especies de Listeria. Ya que suelen requerir pruebas adicionales o PCR específicas. Lo que retrasa la respuesta entre cuatro y siete días. Con esta aplicación se puede identificar en cuestión de minutos”.

Finalmente, la jefa del Servicio de Bacteriología Especial del INEI, Mónica Prieto, aclaró que “este desarrollo no solo contribuye a mejorar la vigilancia de listeriosis. Sino que además constituye una prueba de concepto que podrá aplicarse a otros patógenos alimentarios de importancia para la salud pública”.

La nueva herramienta, innovadora y de acceso gratuito, utiliza datos obtenidos mediante espectrometría de masas Maldi-Tof. Y se entrenó y validó con espectros que se generaron en distintas condiciones experimentales y en diversas plataformas internacionales.

El desarrollo del algoritmo de IA lo realizó la Anlis Malbrán a través de un trabajo conjunto entre el INEI y la Unidad Operativa de IA que lideran Elian Chocker y Juan Doppler. La herramienta es de uso sencillo y puede integrarse en laboratorios de microbiología de todo el país. Además, el proyecto sentó las bases para ampliar el modelo a otras especies bacterianas y sistemas de subtipificación. Promoviendo así el uso responsable de la inteligencia artificial aplicada a la microbiología diagnóstica.

Recientemente, el algoritmo de IA recibió un reconocimiento especial en los premios del Instituto Argentino de Inteligencia Artificial (Inaria). Fue en la categoría “Investigación Científica y Desarrollo Tecnológico”. Estos galardones, en su primera edición (2025), distinguen proyectos que promueven una IA ética y transformadora, con impacto social y ambiental positivo. En ámbitos como la educación, la innovación productiva, la gobernanza, la investigación científica y la sostenibilidad.

Esta iniciativa refuerza el liderazgo del INEI de la Anlis Malbrán en innovación tecnológica en la Argentina y la región. Asimismo, consolida su cooperación internacional con el Centro para el Control y la Prevención de Enfermedades (CDC) de los EEUU a través de la plataforma MicrobeNet. Este año, la red recibió un reconocimiento del CDC tras demostrar que la integración de su base de datos permitió elevar significativamente las tasas de identificación microbiana fuera de los EEUU del 59% en 2017 al 76% en 2024.