Implementación de un nuevo algoritmo de búsqueda activa para cerrar la brecha de diagnóstico de tuberculosis en el Perú

• Autor: Lecca Garcia, Leonid Wilbert
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Peruana Cayetano Heredia
• Repositorio: UPCH-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.upch.edu.pe:20.500.12866/17802
• Enlace del recurso: https://hdl.handle.net/20.500.12866/17802
• Nivel de acceso: acceso abierto
• Materia: Tuberculosis; Pulmonar; Búsqueda de Casos; Diagnóstico por Imágenes; Inteligencia Artificial; Diagnóstico Molecular; Participación Comunitaria; Política de Salud; https://purl.org/pe-repo/ocde/ford#3.03.02; https://purl.org/pe-repo/ocde/ford#3.03.08

Poner fin a la tuberculosis (TB) requiere de estrategias innovadoras que detecten de forma oportuna a las personas afectadas por esta enfermedad. En este documento se describe el cambio en el paradigma de diagnosticar TB pulmonar en el Perú de forma pasiva a forma activa ocurrido desde el año 2019 usando un nuevo algoritmo diagnóstico. Se realizó un análisis documental de fuentes primarias (investigaciones y documentos nacionales) que se generaron durante el proceso de implementación de un nuevo algoritmo de búsqueda activa de TB (BAT), y luego se procedió a la reconstrucción y ordenamiento de la experiencia. La implementación de una nueva forma de diagnosticar TB en el Perú fue posible, alineado con el avance y tecnología disponible (tamizaje radiológico de tórax con equipos móviles/portátiles, lectura automatizada de las radiografías a través de un sistema de inteligencia artificial, y prueba molecular de TB -GeneXpert MTB/Rif- en las muestras de esputo de las personas con radiografías “anormales”). Además, se incluyó una estrategia de involucramiento comunitario, para priorizar comunidades con alto riesgo de TB. Tras la evidencia local, se logró que esta nueva forma de diagnóstico se incorpore como parte de la política nacional de TB en el Perú y, con la asistencia de la cooperación internacional, se avance con la expansión del algoritmo de BAT a nivel nacional, comenzando con los lugares de más alta carga de TB, mientras seguimos explorando y generando evidencia adicional que fortalezcan su implementación y eficiencia. Finalmente, como lecciones aprendidas resaltamos la necesidad de documentar y publicar cada evidencia generada, trabajar en una construcción colaborativa con el gobierno desde el inicio de la implementación, contar con recursos para los primeros esfuerzos, y buscar una rápida capacidad de adaptación al cambio de autoridades y a las recomendaciones globales/nacionales sobre la TB para promover la gestión del cambio.