Históricamente, los criadores de peces se enfrentaban a un dilema filosófico y técnico. Al igual que en el antiguo debate taoísta sobre si los humanos pueden conocer «la alegría de los peces», la ciencia moderna ha luchado por medir objetivamente lo que ocurre bajo las escamas sin recurrir a métodos invasivos o al sacrificio del animal. En la acuicultura tradicional, para conocer el porcentaje de grasa de un filete o la resistencia de un ejemplar, a menudo era necesario sacrificar a los hermanos del candidato de selección, un proceso lento y costoso.
Hoy, gracias a la investigación doctoral de Yuanxu (Yuuko) Xue en Wageningen University & Research (WUR), estamos ante un cambio de paradigma: el «Fenotipado Envisage». Esta tesis doctoral propone que la Inteligencia Artificial (IA) no solo es una herramienta de cálculo, sino un nuevo par de ojos capaces de «ver» la genética y la salud de los peces a través de una simple cámara.
- 1 Puntos Clave
- 2 El Marco Analítico: De Píxeles a Caracteres de Sacrificio
- 3 IA Explicable (xAI): El Misterio de la Trucha Nadadora
- 4 El Santo Grial de la Acuicultura: ¿Adiós a los Chips PIT?
- 5 Definición de la «Forma Perfecta» con Objetividad
- 6 Impacto Global y Futuro de la Industria
- 7 Entradas relacionadas:
Puntos Clave
- Revolución del Fenotipado: La integración de redes neuronales convolucionales (CNN) permite medir rasgos complejos (grasa, rendimiento) de forma no invasiva y con mayor precisión que los métodos tradicionales.
- Acuicultura Predictiva: Un nuevo marco analítico mejoró la precisión en la predicción del porcentaje de grasa en doradas de 0.4 a 0.7 utilizando solo imágenes y peso corporal.
- IA Explicable (xAI): Mediante herramientas como GradCAM, los investigadores identificaron que cabezas más grandes y músculos epaxiales más anchos están genéticamente ligados a un menor rendimiento natatorio en truchas.
- Desafío de la Identificación: A pesar del avance en Deep Learning, la identificación individual por imagen en salmones sigue siendo inmadura para reemplazar los chips PIT en condiciones reales debido a la inestabilidad fenotípica.
El Marco Analítico: De Píxeles a Caracteres de Sacrificio
El corazón de esta transformación reside en la capacidad de convertir datos no estructurados (imágenes) en decisiones de cría. El estudio introdujo un marco estructural que utiliza Redes Neuronales Convolucionales (CNN) para predecir caracteres de sacrificio en la dorada (Sparus aurata).
La Analogía del «Connoisseur» Digital
Imagine un experto catador de ovejas del siglo XIX, como los que describía Darwin, evaluando la calidad de la lana a simple vista. La IA de Xue actúa como un «connoisseur» digital que no se limita a medir el largo y el ancho. A diferencia de los modelos anteriores que dependían de anotaciones manuales (puntos de referencia biológicos), esta IA analiza la imagen completa del pez sin presunciones.
- Resultados en Doradas: El modelo multi-entrada (que combina imágenes y peso corporal) elevó la precisión en la predicción del porcentaje de grasa de un 0.4 mediocre a un 0.7 robusto.
- Identificación de Regiones Críticas: Gracias a la técnica Score-CAM, se descubrió que el borde del opérculo y la aleta pectoral son indicadores clave (negativamente correlacionados) del contenido de grasa en el filete.
IA Explicable (xAI): El Misterio de la Trucha Nadadora
Uno de los capítulos más fascinantes de la tesis aborda la velocidad crítica de natación ($U_{crit}$) en la trucha arcoíris (Oncorhynchus mykiss). El rendimiento natatorio es un indicador vital de salud y supervivencia, pero medirlo requiere pruebas de agotamiento en túneles de viento acuáticos que son extremadamente laboriosas.
Xue utilizó imágenes 3D y mapas de activación (GradCAM) para «abrir la caja negra» de la IA. La IA «aprendió» a predecir la capacidad de natación fijándose en regiones específicas que luego los fisiólogos validaron.
El hallazgo contraintuitivo
Contrario a lo que podría pensarse, los peces con músculos epaxiales (la parte superior del lomo) más grandes y anchos mostraron un peor rendimiento natatorio. Genéticamente, el aumento de la masa muscular parece generar un arrastre (fricción) que supera los beneficios de la fuerza adicional. Este descubrimiento es crucial para los programas de mejora: seleccionar peces exclusivamente por su tamaño de filete podría, involuntariamente, debilitar su salud cardiovascular y su capacidad de supervivencia.
El Santo Grial de la Acuicultura: ¿Adiós a los Chips PIT?
El seguimiento individual es esencial para medir el crecimiento a lo largo del tiempo. Actualmente, esto requiere insertar físicamente un microchip (PIT tag) en el pez, un proceso estresante que puede causar mortalidad. ¿Podría la IA reconocer a un salmón por sus «pecas» o manchas, como un sistema de reconocimiento facial humano?
La investigación en el salmón del Atlántico (Salmo salar) fue una lección de humildad científica. Al intentar reidentificar a 1,500 peces con cinco meses de diferencia, la precisión cayó drásticamente.
Mantente siempre informado
Únete a nuestras comunidades para recibir al instante las noticias, informes y análisis más importantes del sector acuícola.
Los Obstáculos de la Visión en el Mundo Real:
- Inestabilidad Fenotípica: Los peces cambian de forma, color y patrón de manchas a medida que crecen y se desarrollan (esmoltificación).
- Variación Ambiental: La iluminación en las granjas comerciales es inconsistente, lo que confunde a los algoritmos que fueron entrenados en laboratorios controlados.
- Fuga de Datos (Data Leakage): Xue advierte que muchos estudios previos que clamaban un 98% de precisión en el reconocimiento de peces podrían estar sesgados por utilizar imágenes tomadas con pocos minutos de diferencia, lo que no refleja la realidad de una granja.
Definición de la «Forma Perfecta» con Objetividad
El capítulo 6 de la tesis aborda un rasgo tradicionalmente subjetivo: la forma del cuerpo. Los criadores suelen puntuar a los peces del 1 al 3 según su apariencia estética, un método propenso al error humano y difícil de heredar genéticamente.
Mediante el análisis de contornos y descriptores de Fourier, Xue desarrolló dos nuevos rasgos cuantitativos: Distancia al Mejor (DtB) y Distancia al Peor (DtW).
- Mayor Heritabilidad: Estos nuevos rasgos mostraron una heritabilidad de 0.33, significativamente superior a las puntuaciones visuales de los expertos.
- Valor Económico: Esta tecnología permite automatizar la selección de peces que cumplen con los estándares estéticos del mercado, eliminando la necesidad de inspecciones manuales una por una.
Impacto Global y Futuro de la Industria
La implementación de estas tecnologías en empresas como Hendrix Genetics sugiere que estamos en el umbral de una «Acuicultura de Precisión». Al reducir el manejo físico de los animales y automatizar la recolección de datos, las granjas no solo son más eficientes económicamente, sino también más éticas, priorizando el bienestar animal.
Sin embargo, Xue enfatiza que la IA no debe reemplazar al biólogo, sino complementarlo. La «siguiente frontera» no es solo obtener algoritmos más potentes, sino integrar datos genómicos con estas visiones automatizadas para crear un perfil fenotípico completo y dinámico de cada animal.
Referencia (acceso abierto)
Xue, Y. (2026). Envisage phenotyping: integrating artificial intelligence in image analysis for selective breeding in aquaculture. PhD thesis, Wageningen University, the Netherlands. 194 p.
Editor de la revista digital AquaHoy. Biólogo Acuicultor titulado por la Universidad Nacional del Santa (UNS) y Máster en Gestión de la Ciencia y la Innovación por la Universidad Politécnica de Valencia, con diplomados en Innovación Empresarial y Gestión de la Innovación. Posee amplia experiencia en el sector acuícola y pesquero, habiendo liderado la Unidad de Innovación en Pesca del Programa Nacional de Innovación en Pesca y Acuicultura (PNIPA). Ha sido consultor senior en vigilancia tecnológica, formulador y asesor de proyectos de innovación, y docente en la UNS. Es miembro del Colegio de Biólogos del Perú y ha sido reconocido por la World Aquaculture Society (WAS) en 2016 por su aporte a la acuicultura.
