Google Research presenta PhotoScan, un sistema de inteligencia artificial capaz de estimar la composición corporal de una persona a partir de fotografías tomadas con el teléfono. La tecnología promete una precisión cercana a la de los escáneres médicos DXA, considerados el estándar de oro en este campo, y supera a los sensores de bioimpedancia que hoy usan los relojes inteligentes y básculas domésticas. El proyecto nace de un problema conocido: el índice de masa corporal (IMC), la medida más usada para evaluar el peso saludable, resulta insuficiente. No distingue entre grasa y músculo, ni indica dónde se acumula la grasa en el cuerpo, un factor clave para detectar riesgos metabólicos como la resistencia a la insulina, una condición que suele preceder en años al diagnóstico de diabetes tipo 2.
Cómo funciona la tecnología detrás de PhotoScan
El sistema utiliza una red neuronal profunda, con arquitectura ResNet-50, entrenada en tres fases sucesivas. Primero, los investigadores la entrenan con datos de más de 35.000 participantes del UK Biobank, una de las bases de datos médicas más grandes del mundo, que incluye imágenes de resonancia magnética y mediciones reales de composición corporal obtenidas por DXA.
Después, el equipo ajusta el modelo con fotografías reales tomadas con teléfonos Pixel, en un grupo de 677 adultos. Un sistema automático de detección de puntos corporales selecciona los mejores fotogramas frontales y laterales a partir de videos de 360 grados de cada participante. Finalmente, validan los resultados en una cohorte independiente de 132 personas que participan en un ensayo clínico de 30 semanas en San Francisco.
A diferencia de una báscula inteligente o un reloj con sensor de bioimpedancia, PhotoScan no solo calcula el porcentaje de grasa corporal. También estima dos indicadores adicionales, invisibles para los wearables actuales: la relación de grasa androide-ginoide (A/G), que compara la grasa acumulada en el tronco frente a la de caderas y muslos, y la relación de grasa visceral-subcutánea (V/S), que diferencia la grasa que rodea los órganos internos de la que se encuentra bajo la piel. Ambos ratios se asocian de forma directa con el riesgo cardiometabólico.
Resultados más precisos que los relojes inteligentes
Los datos publicados por Google resultan reveladores. En la validación con dos grupos independientes de participantes, el margen de error promedio del modelo para el porcentaje de grasa corporal se sitúa en torno a 2,1 puntos porcentuales, frente a los cerca de 2,9 puntos de error que registran los sensores de bioimpedancia comparados en las mismas pruebas.
La diferencia se amplía cuando el objetivo es predecir la resistencia a la insulina. Un modelo básico que solo usa datos demográficos como edad, sexo e IMC alcanza una capacidad de discriminación (medida en AUROC) de 0,692. Al sumarle las métricas de PhotoScan, esa cifra sube a 0,760, muy cerca del 0,773 que logra un escáner DXA real. En cambio, añadir datos de bioimpedancia al modelo demográfico no aporta ninguna mejora relevante, según constatan los propios investigadores, ya que estos sensores solo ofrecen el porcentaje de grasa total y no los ratios A/G y V/S, que resultan más determinantes para este tipo de predicción.
Un proyecto de investigación, todavía sin fecha de lanzamiento
Google aclara que PhotoScan sigue siendo un prototipo experimental. La compañía no confirma planes concretos para convertirlo en un producto ni en una función dentro de una app. Tampoco anuncia si llegará a los teléfonos Pixel o a otras plataformas.
El momento de la publicación no resulta casual. Google presenta esta investigación pocos días después de anunciar el Pixel Watch 5, que incorpora una función llamada Insulin Resistance Trends, la cual analiza datos de frecuencia cardíaca y sueño para detectar señales tempranas de resistencia a la insulina. PhotoScan encaja como una segunda vía, basada en imágenes en lugar de sensores, para llegar a un objetivo similar: identificar riesgos metabólicos antes de que aparezcan síntomas clínicos.
Los retos pendientes antes de llegar al usuario
Más allá de la validación científica, la tecnología enfrenta obstáculos prácticos. El primero es la privacidad: para funcionar, PhotoScan necesita que los usuarios compartan fotografías de su propio cuerpo, un tipo de contenido especialmente sensible. Convencer a millones de personas de subir esas imágenes a una aplicación, por sólida que sea la política de protección de datos, no resulta sencillo.
El segundo reto es de naturaleza distinta y, en cierto modo, más profundo. Disponer de datos precisos sobre composición corporal no garantiza que las personas actúen en consecuencia. La resistencia a la insulina no se corrige con una medición, sino con cambios sostenidos en la dieta, el ejercicio y otros hábitos. Ahí es donde la tecnología, por avanzada que sea, todavía no ofrece respuestas.
Con casi tres de cada cuatro adultos en Estados Unidos con sobrepeso u obesidad, según cifras de institutos de salud citadas en la cobertura del tema, la posibilidad de acceder a un análisis corporal detallado sin necesidad de una clínica ni un escáner especializado representa un avance notable. La pregunta que queda abierta es cuándo, y de qué forma, esta investigación de laboratorio se convertirá en una herramienta real al alcance de cualquier usuario con un teléfono en la mano.
