El tambaqui (Colossoma macropomum), también conocido como cachama o gamitana, es uno de los peces amazónicos más importantes para la acuicultura en Sudamérica y Asia. Mejorar su rendimiento y bienestar es clave para la sostenibilidad del sector. Ahora, un estudio pionero revela una innovadora forma de lograrlo: utilizando la inteligencia artificial para «leer» el estrés del pez a través del color de su piel y seleccionar genéticamente a los individuos más fuertes.
La investigación, centrada en la variación del color de la piel del tambaqui, no solo confirma que el oscurecimiento del vientre de la cachama es un indicador de estrés, sino que demuestra que este rasgo es heredable y puede ser seleccionado sin comprometer el crecimiento.
Conclusiones clave
- La intensidad de la coloración «countershading» en el vientre del tambaqui es un indicador visible y fiable de su respuesta al estrés.
- Se desarrolló un sistema de visión por computador (CVS) con inteligencia artificial que automatiza con alta precisión (88.2%) la medición de esta coloración para fenotipado a gran escala.
- La respuesta al estrés, medida a través de la coloración, es un rasgo con heredabilidad de moderada a alta (h2 0.40), lo que la convierte en un excelente criterio para la selección genética.
- Es posible seleccionar peces por su resistencia al estrés (basado en el color) sin afectar negativamente sus rasgos de crecimiento, como el peso final.
- La hormona α-MSH, ligada al estrés, provoca una expansión del 80% en los melanóforos, confirmando la base fisiológica del cambio de color.
El color como espejo del estrés en el tambaqui
Los peces, al igual que otros animales, cambian de color por diversas razones. Este estudio publicado por investigadores de la São Paulo State University – Unesp, de Brazilian Agricultural Research Company – EMBRAPA y de la University of Wisconsin se enfocó en dos mecanismos clave en el tambaqui:
- Cambio morfológico (a largo plazo): Para observar este efecto, los investigadores sometieron a un grupo de peces a una condición de estrés controlada, trasladándolos de estanques de tierra de 200 m² a tanques de confinamiento mucho más pequeños de 1,8 m³. Las fotografías tomadas antes y después de un período de 10 días mostraron un resultado claro: el área ventral de los peces, caracterizada por un patrón de color conocido como «countershading», se oscureció notablemente. El análisis digital confirmó un aumento significativo en la proporción de píxeles negros, demostrando que el estrés prolongado altera visiblemente la pigmentación.
- Cambio fisiológico (a corto plazo): Para entender la respuesta inmediata, el equipo investigó el efecto de la hormona estimulante de melanocitos alfa (α-MSH), conocida por su vínculo con el estrés en peces. Al exponer escamas de tambaqui a una solución con esta hormona, observaron bajo el microscopio una rápida y drástica reacción. En solo 30 minutos, el porcentaje de melanóforos (células pigmentarias) expandidos aumentó en un 80%, provocando un oscurecimiento a nivel celular. Esto confirma la base fisiológica que conecta la respuesta hormonal al estrés con un cambio de color casi instantáneo.
«En primer lugar, observamos que, en condiciones de estrés —es decir, en un entorno más confinado de lo normal—, los peces se oscurecieron. Luego descubrimos que la adición de una hormona vinculada al estrés también cambiaba el color de las escamas. Luego, entrenamos un software con más de 3.000 imágenes para determinar un umbral de estrés que pudiera orientar a los piscicultores y los programas de selección genética, ya que observamos que se trata de una característica hereditaria”, explica Diogo Hashimoto, profesor del Centro de Acuicultura de la Unesp (Caunesp), quien coordinó el estudio.
Automatizando la evaluación: inteligencia artificial al servicio de la acuicultura
Medir manualmente el color o los niveles de cortisol en miles de peces es subjetivo, costoso y poco práctico para un programa de mejoramiento genético. Aquí es donde la tecnología marca la diferencia. Los investigadores desarrollaron un sistema de visión por computador (CVS) para automatizar el proceso.
¿Cómo funciona este sistema?
El equipo utilizó un enfoque de aprendizaje profundo (deep learning). Primero, tomaron miles de imágenes y videos de dos poblaciones diferentes de tambaqui. Luego, un experto segmentó manualmente el área de interés (la zona del countershading) en 4500 de estas imágenes para «enseñar» a una red neuronal (el modelo DeepLab V3) a identificar esta región por sí misma.
El resultado fue un sistema robusto capaz de analizar una imagen y delimitar automáticamente la zona de coloración con una precisión del 88.2% (medida con la métrica IoU). Esta herramienta permite obtener datos fenotípicos objetivos y a gran escala, como el porcentaje de píxeles negros (%BP) o la intensidad media de los píxeles (MPI), de forma rápida y eficiente.
Implicaciones para el mejoramiento genético del tambaqui
Con esta poderosa herramienta, el estudio dio el paso más importante: estimar los parámetros genéticos de estos rasgos de coloración.
La heredabilidad, que indica qué parte de la variación de un rasgo se debe a los genes, resultó ser de moderada a alta para las características de color evaluadas por el CVS. Se estimaron valores de h2=0.456 para el porcentaje de píxeles negros y h2=0.494 para la intensidad media de los píxeles. En términos prácticos, esto significa que la respuesta al estrés, manifestada en el color, es un rasgo que puede mejorarse eficazmente a través de la selección genética.
Mantente siempre informado
Únete a nuestras comunidades para recibir al instante las noticias, informes y análisis más importantes del sector acuícola.
¿Qué significa esto para los piscicultores?
Quizás el hallazgo más relevante para la industria es la correlación genética entre la coloración y el crecimiento. El estudio encontró que la correlación genética entre el porcentaje de píxeles negros y rasgos como el peso final y la ganancia de peso era débil o prácticamente nula.
Esto rompe una posible barrera para el mejoramiento: los productores pueden seleccionar tambaquis genéticamente más resistentes al estrés sin temor a sacrificar su potencial de crecimiento. Este enfoque de «cría de precisión» no solo mejora el bienestar animal, sino que también abre la puerta a seleccionar peces por rasgos de apariencia, que cada vez son más valorados por el consumidor.
Conclusión
Este estudio representa un avance significativo para la acuicultura del tambaqui y un ejemplo brillante de cómo la tecnología puede modernizar los programas de cría. Al establecer un vínculo genético claro entre la coloración y la respuesta al estrés, y al desarrollar una herramienta de inteligencia artificial para medirlo a gran escala, se abre un nuevo camino para producir peces más robustos, saludables y adaptados a las condiciones de cultivo, sentando las bases para una industria más eficiente y sostenible.
«La herramienta de IA puede utilizarse para monitorear el estrés de los peces de cultivo, en un momento en que el bienestar animal es cada vez más exigente. Simplemente evaluando las fotos de los animales, sería posible obtener esta medición y mejorar las prácticas cuando sea necesario, como por ejemplo, reducir el número de individuos por tanque», finalizó el investigador.
Contacto
Diogo T. Hashimoto
São Paulo State University – Unesp, Aquaculture Center of Unesp
14884-900 Jaboticabal, SP, Brazil
Email: diogo.hashimoto@unesp.br
Referencia
Lemos, C. G., Garcia, B. F., Filho, M. S., Arango, J. R., Butzge, A. J., Shiotsuki, L., Freitas, L. E. L., Rezende, F. P., Urbinati, E. C., Rosa, G. J., & Hashimoto, D. T. (2025). Deep learning approach for genetic selection of stress response in the Amazon fish Colossoma macropomum. Aquaculture, 609, 742848. https://doi.org/10.1016/j.aquaculture.2025.742848
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.
