Un equipo de investigadores de Estados Unidos, España y México desarrolló un modelo que combina el Segment Anything Model (SAM) con redes neuronales convolucionales. El sistema logró segmentar y analizar imágenes médicas con gran precisión, evitando procesos manuales de anotación y alcanzando resultados superiores al trabajo de expertos humanos.
👉 Entre los hallazgos más relevantes:
- La IA superó el 95% de precisión en pruebas clínicas con radiografías pediátricas.
- La segmentación automática de la mano fue exitosa en más del 98% de los casos.
- Los modelos aplicados a huellas rupestres europeas reforzaron la idea de que muchas pertenecían a mujeres.
“El instante especial llegó cuando vimos que los resultados coincidían con la hipótesis de que algunas manos pintadas en cuevas eran femeninas. Fue como dar voz a protagonistas invisibles de la historia”, explicó Becerra.
El estudio también señaló limitaciones, como la menor precisión en manos infantiles y la necesidad de ampliar la diversidad de muestras para evitar sesgos. Aun así, sus implicaciones son amplias: desde la identificación forense en contextos donde no se conservan huesos mayores, hasta la reinterpretación del rol de las mujeres en las sociedades paleolíticas.
“Este tipo de herramientas pueden marcar la diferencia en investigaciones reales de identificación forense, donde cada avance puede impactar en la vida de familias y comunidades”, concluyó el investigador.