Vásquez Ascate, JhosephiBardales Layche, BillCardenas Vigo, RodolfoDianderas Caut, ErwinRamírez Calderón, CarlosGarcia Cortegano, CarlosReategui Pezo, AlejandroArista Flores, KattyRamírez Calderón, JuanCarey Angeles, CristiamZevallos Villegas, KarineCasapia Morales, MartinRodríguez Ferrucci, Hugo2026-05-182026-05-182026-01-162076-3417https://hdl.handle.net/20.500.12921/923El examen microscópico de frotis de sangre gruesa (gota gruesa) teñidos con Giemsa sigue siendo el estándar de referencia para el diagnóstico de la malaria, pero requiere personal especializado y es difícil de escalar en entornos de recursos limitados. Presentamos un sistema ligero basado en teléfonos inteligentes para la detección automática de parásitos de *Plasmodium* en gotas gruesas capturadas con teléfonos móviles acoplados a un microscopio convencional. Construimos un conjunto de datos validado clínicamente de 400 láminas procedentes de Loreto, Perú, que consta de 8625 imágenes adquiridas con tres modelos de teléfonos inteligentes y 54 531 instancias anotadas de *Plasmodium vivax* y *P. falciparum* a lo largo de ocho clases morfológicas. El flujo de trabajo incluye la segmentación del campo visual basada en YOLOv11n, el escalado, la división en parches de 640 × 640, el aumento de datos y la detección de parásitos. Se evaluaron cuatro detectores ligeros; YOLOv11n logró el mejor equilibrio, con una puntuación F1 de 0.938 y una precisión general del 90.92% en el subconjunto de prueba. Para la interpretabilidad diagnóstica, el rendimiento también se evaluó a nivel de campo visual agrupando las detecciones en Vivax, Falciparum, Mixto y Fondo. En un teléfono inteligente de gama alta (Samsung Galaxy S24 Ultra), el modelo YOLOv11n implementado logró una latencia de 110.9 ms por inferencia de 640 × 640 (9.02 FPS).application/pdfeninfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Article