Hasta ahora, la Inteligencia Artificial no ha sido aprovechada a su máximo potencial. Las aplicaciones propuestas están destinadas a tareas concretas como la estimación del peso, el tamaño o contar los peces de manera automática. Aunque son aplicaciones útiles, están muy limitadas.
El verdadero potencial de estas herramientas está en acceder de forma práctica a información biológica compleja – metabolismo, salud, bienestar – sin recurrir a muestreos invasivos o costosos.
Una tesis doctoral defendida recientemente por Yuanxu (Yuuko) Xue en la Universidad de Wageningen plantea que ese salto empieza a ser posible. No a partir de sensores futuristas ni de condiciones experimentales ideales, sino utilizando algo tan cotidiano como imágenes tomadas durante el manejo rutinario de los peces, combinadas con modelos de inteligencia artificial diseñados para integrarse en programas reales de mejora genética.
El trabajo se apoya en datos de especies clave para la acuicultura europea, como la dorada, la trucha arcoíris y el salmón atlántico, y muestra que las imágenes pueden contener mucha más información de la que tradicionalmente se ha explotado. Más allá del crecimiento, es posible extraer señales relacionadas con la composición corporal o incluso con el rendimiento fisiológico de los animales.
En dorada, por ejemplo, los modelos desarrollados permiten mejorar la predicción de rasgos de calidad que hasta ahora solo podían medirse tras el sacrificio, como el contenido graso del filete. Esto abre la puerta a estrategias de selección más eficientes, basadas en información obtenida de forma no invasiva y repetible.
Uno de los aspectos más interesantes del estudio es la cuantificación objetiva de la forma del pez. La morfología ha sido siempre un criterio difícil de manejar en mejora genética, muy dependiente de la percepción del observador y de las preferencias del mercado. A través del análisis de imagen, se proponen indicadores continuos de forma corporal con base genética demostrada, lo que permitiría integrar este rasgo de manera más estructurada y transparente en los índices de selección.
El trabajo también explora territorios menos habituales, como la relación entre morfología y capacidad de natación en trucha arcoíris. Mediante modelos de inteligencia artificial “explicables”, se identifican regiones concretas del cuerpo asociadas a un peor rendimiento natatorio. Los resultados sugieren que peces genéticamente más pesados no siempre presentan una fisiología más eficiente, una observación relevante en un contexto donde bienestar, robustez y eficiencia cobran cada vez más peso.
La investigación también muestra con claridad dónde están hoy los límites de estas tecnologías. Uno de ellos es la reidentificación individual de peces mediante imágenes, una condición necesaria para el seguimiento de rasgos a lo largo del tiempo. En el caso del salmón atlántico, la variabilidad del entorno productivo y la falta de estabilidad fenotípica hacen que esta aplicación aún no sea viable en condiciones reales.
Más que prometer soluciones inmediatas, el trabajo aporta algo quizá más valioso para el sector: criterio. La inteligencia artificial no sustituye al conocimiento biológico ni a los programas de mejora bien diseñados, pero puede convertirse en una herramienta potente si se integra con objetivos claros, validación genética y una comprensión realista del sistema productivo.
El fenotipado basado en imágenes no es una revolución repentina, sino una evolución silenciosa. Una forma de observar mejor a los peces para tomar decisiones más informadas, sin aumentar la carga de manejo ni perder de vista lo esencial: que la tecnología solo tiene sentido cuando mejora, de verdad, cómo producimos y entendemos a los animales.
Te puede interesar
Último reportaje
-
Spirulina en la alimentación de dorada: aportes reales y límites funcionales
Global, 12/01/2025 | Futuras investigaciones deberán acotar claramente su funcionalidad, seguridad, rentabilidad y condiciones de uso óptimas