La salud y la robustez de los peces de cultivo a menudo se ven comprometidas por la acumulación de lípidos en el hígado, una condición que puede provocar trastornos metabólicos, estrés oxidativo e inflamación. Los métodos tradicionales para medir el contenido de grasa hepática son lentos y costosos, o subjetivos y propensos a sesgos.
Para enfrentar estos desafíos los investigadores de NOFIMA presentaron las imágenes hiperespectrales, una tecnología de vanguardia que promete revolucionar la forma en que evaluamos la grasa hepática en las especies de acuicultura.
El desafío de la grasa hepática en peces de cultivo
Los lípidos son esenciales en las dietas de acuicultura, ya que sirven como fuente primaria de energía para los peces. Sin embargo, la acumulación excesiva de grasa en el hígado puede afectar negativamente la salud de los peces.
El salmón del Atlántico (Salmo salar), lubina europea (Dicentrarchus labrax) y bacalao del Atlántico (Gadus morhua), tres especies de importancia comercial, presentan diferentes niveles de acumulación de grasa hepática.
Por ejemplo, el salmón del Atlántico suele almacenar lípidos en el músculo y las vísceras, con un contenido de grasa hepática que oscila entre el 5 % y el 12 %. En cambio, el bacalao del Atlántico almacena más del 80 % de sus lípidos en el hígado, lo que convierte a la grasa hepática en un factor crucial en el coste del alimento y el éxito comercial. La lubina europea también acumula una cantidad significativa de lípidos en el hígado, con un contenido de grasa que oscila entre el 18 % y el 60 %.
“El método actual para medir la grasa en el hígado de los peces debe realizarse en un laboratorio y es costoso. Ahorramos mucho al poder usar cámaras hiperespectrales”, afirma Siri Storteig Horn, científica de cría y genética en Nofima.
Los métodos tradicionales para medir la grasa hepática incluyen la extracción química de lípidos, precisa pero laboriosa, y los sistemas de puntuación visual, rápidos pero subjetivos. Existe una necesidad apremiante de métodos rentables y de alto rendimiento para medir la grasa hepática, especialmente para estudios a gran escala y programas de cría selectiva.
Imágenes hiperespectrales: Un punto de inflexión
Las imágenes hiperespectrales (HSI) son una técnica no invasiva y no destructiva que captura información espacial y espectral de las muestras. Al analizar cómo interactúa la luz con el tejido, las HSI pueden inferir la composición química, incluido el contenido de grasa. Esta tecnología ya ha demostrado su utilidad en la evaluación de la calidad de los alimentos, detección de parásitos y su potencial en la acuicultura se está materializando.
En un estudio reciente publicado en la revista Aquaculture, los investigadores evaluaron la eficacia de la HSI para estimar el contenido de grasa hepática en salmón del Atlántico, lubina europea y bacalao del Atlántico.
Utilizando dos cámaras hiperespectrales que cubren las regiones del infrarrojo visible y cercano (VNIR) e infrarrojo de onda corta (SWIR), el equipo de científicos desarrolló modelos de regresión de mínimos cuadrados parciales (PLSR) para predecir el contenido de grasa hepática.
Hallazgos clave
El estudio demostró que la HSI puede predecir con precisión el contenido de grasa hepática en las tres especies, con distintos niveles de precisión:
Salmón del Atlántico
El rango espectral SWIR proporcionó las predicciones más precisas, con un valor de R2 de 0,89 y un error cuadrático medio (RMSE) del 1,19 %. El rango VNIR también mostró resultados prometedores, pero fue menos preciso.
Lubina Europea
Los rangos VNIR y SWIR arrojaron resultados comparables, con valores de R2 de 0,81 y 0,88, respectivamente. Esto sugiere que la HSI es particularmente eficaz para la lubina, posiblemente debido al mayor tamaño de la muestra y a la mayor varianza espectral.
Bacalao del Atlántico
El rango SWIR superó al rango VNIR, pero la precisión general fue menor en comparación con el salmón y la lubina. Esto podría deberse a la menor variación en el contenido de grasa hepática entre los bacalaos alimentados con la misma dieta.
El estudio también destacó la importancia de seleccionar muestras de calibración que cubran un amplio rango de contenido de grasa para mejorar la precisión del modelo. En el caso de la lubina, la selección de muestras basada en la varianza espectral (mediante el Análisis de Componentes Principales) mejoró los modelos predictivos.
Aplicaciones prácticas
La capacidad de medir con rapidez y precisión el contenido de grasa hepática mediante HSI tiene importantes implicaciones para la investigación y la industria acuícola. Este método de alto rendimiento puede facilitar estudios a gran escala sobre los efectos del alimento, la salud de los peces y la investigación genética. Además, abre la puerta a la inclusión de la grasa hepática como un rasgo selectivo en los programas de cría, lo que podría mejorar la salud y la robustez de los peces de cultivo.
“Podemos analizar la composición del alimento y el nivel de grasa en el hígado y garantizar que los peces de piscifactoría obtengan lo que necesitan para garantizar su bienestar y un producto final de calidad”, explica Evan Durland, científico en Reproducción y Genética.
Investigaciones futuras podrían explorar la integración de datos de los rangos espectrales VNIR y SWIR para mejorar la precisión de las predicciones. Además, investigar la relación entre la grasa hepática y otros componentes químicos, como las proteínas y los carbohidratos, podría refinar aún más los modelos. La aplicación de la HSI para cuantificar el contenido de ácidos grasos en el hígado de los peces también representa una vía prometedora para futuros estudios.
Conclusión
La imagen hiperespectral está llamada a transformar la forma en que evaluamos la grasa hepática en las especies acuícolas. Al proporcionar un método rápido, rentable y preciso para medir la grasa hepática, la HSI puede respaldar una investigación más exhaustiva y mejorar la salud y la productividad de los peces de cultivo. A medida que la industria acuícola continúa creciendo, tecnologías como la HSI serán esenciales para garantizar prácticas de piscicultura sostenibles y eficientes.
Esta investigación contó con el apoyo del proyecto NewTechAqua, financiado por el Programa Horizonte 2020 de la Unión Europea mediante el acuerdo de subvención n.º 862658, y del Proyecto Estratégico Deep Vision de Nofima.
Contacto
Samuel Ortega
Nofima (Norwegian Institute of Food, Fisheries and Aquaculture Research)
Tromsø, Norway
Email: samuel.ortega@nofima.no
Referencia (acceso abierto)
Ortega, S., Lutfi, E., Horn, S. S., & Durland, E. (2025). Quantification of fat content in the liver of different aquaculture fish species using hyperspectral image analysis. Aquaculture, 597, 741924. https://doi.org/10.1016/j.aquaculture.2024.741924
