Durante años, el índice de masa corporal (BMI) ha sido la métrica estándar para evaluar el estado de peso de una persona. Sin embargo, médicos y especialistas saben desde hace tiempo que el BMI es una medida incompleta: no distingue entre masa muscular y grasa, ni revela dónde se acumula esa grasa, un factor crítico para evaluar riesgos metabólicos como la resistencia a la insulina o enfermedades cardiovasculares.
Ahora, Google Research ha dado un paso audaz con PhotoScan, un sistema experimental de aprendizaje profundo que promete estimar la composición corporal —incluyendo el porcentaje de grasa corporal, la proporción de grasa tronco-cadera y la relación entre grasa visceral y subcutánea— usando únicamente dos fotografías tomadas con un smartphone convencional.
¿Cómo funciona PhotoScan? El entrenamiento detrás de la magia
PhotoScan no es un algoritmo entrenado de la noche a la mañana. El equipo de Google construyó el modelo en tres fases clave, combinando datos médicos de alta precisión con imágenes cotidianas:
- Pre-entrenamiento con resonancias magnéticas: Usando más de 35.000 registros del UK Biobank, los investigadores entrenaron una red neuronal ResNet-50 para predecir métricas de composición corporal a partir de proyecciones 2D generadas a partir de escaneos 3D de MRI. Como referencia de verdad absoluta, utilizaron escaneos DXA (absorciometría de rayos X de energía dual), el estándar clínico para medir grasa corporal.
- Ajuste fino con fotos reales: En la segunda fase, el modelo se refinó con el conjunto de datos PhotoBIA, que incluye 677 participantes con fotografías reales tomadas con smartphones y sus correspondientes escaneos DXA como referencia.
- Fusión de datos demográficos: El sistema no solo analiza las imágenes. También incorpora información como sexo, altura, peso y BMI interno del usuario para mejorar la precisión de las estimaciones.
El resultado final es un modelo que no entrega un único número, sino funciones de densidad de probabilidad para cada métrica, lo que permite una estimación más robusta y matizada.
Precisión que compite con equipos médicos
Los resultados son sorprendentes. En validaciones independientes, PhotoScan logró un error absoluto medio de aproximadamente 2.13-2.15% al estimar el porcentaje de grasa corporal, una cifra que se acerca notablemente a la precisión de los escaneos DXA clínicos. Además, el sistema demostró alta precisión al estimar las proporciones A/G (grasa tronco-cadera) y V/S (grasa visceral-subcutánea), métricas que los sensores de impedancia bioeléctrica (BIA) en relojes inteligentes y básculas ni siquiera pueden medir.
Lo más relevante desde una perspectiva de salud pública es que PhotoScan puede predecir la resistencia a la insulina —un precursor clave de la diabetes tipo 2— con una precisión comparable a la de DXA. En pruebas, el área bajo la curva ROC (AUROC) para clasificar resistencia a la insulina usando PhotoScan fue de 0.760, muy cerca del 0.773 obtenido con datos DXA clínicos.
¿Por qué esto importa más que tu smartwatch?
Actualmente, los dispositivos wearables como relojes inteligentes y básculas de composición corporal utilizan sensores de impedancia bioeléctrica (BIA) para estimar la grasa corporal. Estos sensores envían una corriente eléctrica débil a través del cuerpo y miden la resistencia para inferir la composición de tejidos. Sin embargo, múltiples estudios han mostrado que estos dispositivos tienen limitaciones significativas en precisión y consistencia.
PhotoScan, en cambio, ofrece una alternativa no invasiva, accesible y escalable que no requiere hardware especializado. Cualquier persona con un smartphone podría, en teoría, obtener estimaciones de composición corporal con precisión casi clínica desde la comodidad de su hogar.
El desafío de la privacidad y la adopción
A pesar del potencial técnico, Google enfrenta obstáculos importantes. El más evidente es la barrera psicológica: convencer a los usuarios de compartir múltiples fotografías de su cuerpo, potencialmente en poses vulnerables, con una aplicación. Incluso con políticas de privacidad robustas, esa confianza no es fácil de ganar.
Además, PhotoScan sigue siendo un proyecto de investigación. Google no ha anunciado planes concretos para convertirlo en un producto comercial, ni ha revelado fechas de lanzamiento o dispositivos compatibles. Por ahora, es una demostración de viabilidad técnica, no una herramienta disponible para el público.
El futuro de la salud en tu bolsillo
PhotoScan representa un cambio de paradigma en cómo pensamos la monitorización de salud. En lugar de depender de dispositivos costosos o visitas clínicas, la IA podría permitir evaluaciones metabólicas básicas desde cualquier lugar, democratizando el acceso a información de salud relevante.
Sin embargo, los expertos advierten que la composición corporal es solo una pieza del rompecabezas metabólico. Una foto no puede diagnosticar diabetes ni reemplazar una evaluación médica completa. Lo que PhotoScan sí ofrece es una herramienta de detección temprana escalable, capaz de identificar personas en riesgo que podrían beneficiarse de intervenciones preventivas.
La pregunta ahora no es si la tecnología funciona, sino cómo Google —y la industria en general— logrará integrar estas capacidades de manera ética, privada y útil para los usuarios. Mientras tanto, tu próximo selfie podría estar más cerca de decirte algo sobre tu salud de lo que imaginas.
