Mucho antes de que la inteligencia artificial comenzara a prometer mejoras en el diagnóstico médico, una pequeña ave gris ya estaba obteniendo resultados bastante buenos.
En 2015, palomas comunes (Columba livia) aprendieron a hacer algo que casi suena absurdo: observaron imágenes de tejido mamario y aprendieron a diferenciar entre muestras benignas y malignas. Con el entrenamiento, su precisión se volvió comparable a la de los expertos. De hecho, después de aproximadamente dos semanas de entrenamiento, algunas palomas alcanzaron una precisión de alrededor del 85% al distinguir el tejido mamario canceroso del no canceroso.
Pero la cosa mejora aún más: cuando unieron sus conocimientos, lograron una impresionante precisión del 99% en una tarea de diagnóstico.
Un cerebro de pájaro diseñado para ver
El cerebro de una paloma es diminuto, probablemente no más grande que la punta del dedo índice de un humano. Pero pequeño no significa simple, y resulta que son muy buenas reconociendo patrones. Se ha demostrado que las palomas reconocen rostros humanos y expresiones emocionales, letras del alfabeto, cápsulas farmacéuticas deformadas y pinturas de Monet y Picasso.
En el estudio de 2015, dirigido por el profesor Richard Levenson de la Universidad de California, Davis, y el profesor Edward Wasserman de la Universidad de Iowa, se entrenó a palomas para inspeccionar imágenes digitalizadas de muestras de biopsias mamarias. Cada ave se colocaba frente a una pantalla y aprendía a picotear un botón para detectar tejido benigno y otro para tejido maligno. Las respuestas correctas se recompensaban con bolitas de comida.
Para empezar, su memoria resultó ser extraordinaria. Las palomas podían recordar más de 1800 imágenes, a veces incluso imágenes sorprendentemente similares. Pero lo importante no era la memorización, sino el reconocimiento de imágenes nuevas que nunca antes habían visto.
Las aves buscaban características visuales de malignidad (patrones celulares más oscuros, densos y de aspecto anormal). En las tareas seleccionadas de biopsia de mama y mamografía, las palomas entrenadas se acercaron al desempeño de los expertos humanos. Pero cuando los investigadores combinaron las decisiones de cuatro aves (lo que curiosamente denominan “búsqueda de información de la bandada”), lograron una precisión del 99%.
Es cierto que se trataba de imágenes controladas y que no lograron la tarea más difícil de detectar masas mamográficas sospechosas. Pero el resultado es asombroso.
Ha pasado más de una década desde que se publicó este estudio y ya no tenemos equipos de palomas analizando mamografías. Pero todo esto nos lleva a preguntarnos: ¿por qué son tan buenas en ello?
Vienen preentrenadas
Para empezar, esta habilidad tiene sentido desde el punto de vista evolutivo. Una paloma sobrevive analizando rápidamente escenas complejas: grava, tierra, hojas, sombras, alimento, depredadores. Su mundo está lleno de pequeñas diferencias visuales que importan. Una semilla escondida entre guijarros es un objetivo vital, mientras que un pequeño movimiento sobre sus cabezas puede indicar peligro.
Las aves observaron imágenes de tejido mamario con diferentes aumentos, de forma similar a como un patólogo examina muestras bajo un microscopio. Aprendieron a clasificar imágenes a todo color, y algunas también fueron entrenadas con imágenes modificadas en las que se redujeron las señales de color. Asimismo, se las probó con diferentes niveles de compresión de imagen, una cuestión práctica en la patología digital moderna, donde las muestras se almacenan, transmiten y visualizan en pantallas.
Las palomas pudieron generalizar estos cambios. Su rendimiento no se vio afectado cuando se modificó la magnificación o se alteraron las imágenes. Esto sugiere que las aves habían aprendido algo sobre la estructura del tejido en sí, y tal vez sea su capacidad de observación desde el aire la que las prepara para ello.
Casi una década después del experimento original con palomas, un estudio de 2024 propuso precisamente eso: las palomas llegan al laboratorio ya “preentrenadas” por la vista aérea. Mientras vuelan, captan constantemente paisajes de campos, carreteras, tejados, ríos y otras texturas repetitivas. Los investigadores argumentaron que esas escenas a vista de pájaro podrían tener una relación visual oculta con las preparaciones histológicas teñidas. Ambas son mundos densos y fragmentados de color, textura y límites irregulares.
Vista de pájaro
Para poner a prueba la idea, el equipo entrenó redes neuronales con un gran conjunto de datos de imágenes aéreas llamado BirdsEyeViewNet, y luego transfirió ese aprendizaje a las mismas tareas de histopatología mamaria y mamografía utilizadas en el estudio con palomas. El resultado reflejó el desempeño de las aves: el modelo preentrenado con imágenes aéreas tuvo un buen rendimiento en histopatología, pero falló en la tarea de mamografía, al igual que las palomas. Sin embargo, esto sólo demuestra que existe una gran similitud entre ambas tareas, pero no prueba que esa sea la razón por la que las palomas son buenas en ellas.
Una década después, el estudio de las palomas sigue siendo interesante, no como una broma sobre aves que reemplazan a los médicos, sino como un recordatorio de lo que realmente es un diagnóstico. Antes de convertirse en un informe, un plan de tratamiento o un pronóstico, comienza como un acto de observación: percibir un patrón, distinguir la señal del ruido, reconocer cuándo un tejido ha sufrido algún daño.
Y a medida que la medicina se adentra más en la IA, esta lección cobra mayor importancia. El futuro del diagnóstico no estará en manos de palomas picoteando pantallas. Pero la humilde paloma aún puede ayudarnos a construir mejores máquinas, formar médicos más perspicaces y comprender cómo los ojos (humanos, animales o artificiales) aprenden a detectar enfermedades.
Fuente: ZME Science.
