Diagnosticar una infecció vaginal a partir d'un frotis tenyit amb la tinció de Gram exigeix un professional format que miri al microscopi, una feina que en molts llocs és escassa. Un equip de la Universitat de Chiang Mai, a Tailàndia, ha provat de repartir-la amb una IA: n'ha publicat els resultats com a article de recerca original a la revista Frontiers in Artificial Intelligence el 15 d'octubre de 2026.
El sistema treballa amb imatges de frotis fotografiats amb un mòbil col·locat a l'ocular d'un microscopi òptic corrent. Els autors van reunir 1.966 imatges amb 11.069 objectes anotats i van entrenar i comparar tres detectors d'objectes (YOLOv26, RT-DETR i EfficientDet-D0). El programa assenyala les estructures que reconeix i, a partir d'elles, proposa un de cinc resultats: candidiasi vulvovaginal, vaginosi bacteriana, tricomoniasi, uretritis o cervicitis gonocòccica, o una condició vaginal sana. També fa servir mètodes d'explicabilitat que indiquen on s'ha fixat el programa, perquè un clínic pugui comprovar-ho.
Quan els autors van demanar a persones expertes que valoressin les prediccions, el 84,8% de les valoracions vàlides del model YOLOv26 i el 85,1% de les de RT-DETR van ser «bones» o «excel·lents», sense diferència significativa entre tots dos. La tricomoniasi i la infecció gonocòccica van ser les més fàcils de detectar; per a les altres tres, el millor va ser RT-DETR.
Els mateixos autors són prudents. L'estudi és retrospectiu, ve d'una sola institució i no s'ha provat amb altres microscopis, mòbils ni tincions; cada mostra rep un sol diagnòstic, de manera que no recull les infeccions mixtes; no hi havia dades clíniques com l'edat, l'embaràs o els tractaments previs, i la valoració la va fer un grup limitat d'experts. Concloen que cal una validació prospectiva en diversos centres abans de fer-lo servir en pacients o de deixar-lo diagnosticar sol.