Científicos prueban un modelo de IA que anticipa el riesgo de extinción de más de 10.000 especies de peces

Un modelo de inteligencia artificial desarrollado durante cinco años por expertos de la Universidad de Maine, en Estados Unidos, permite anticipar los riesgos de extinción que enfrentan más de 10.000 especies de peces de agua dulce a nivel mundial, según publica la revista Nature Communications.

Esta herramienta analiza 52 variables distintas, identificando amenazas y ofreciendo a los administradores de vida silvestre la posibilidad de intervenir antes de que las especies lleguen a un punto crítico, transformando la manera en que se planifican los programas de conservación.

Casi un tercio de las especies de peces de agua dulce se enfrenta hoy a la posibilidad de extinción. El impacto potencial abarca la disponibilidad de alimentos, el equilibrio de ecosistemas y actividades recreativas que dependen de estos animales. Aunque la situación es grave, la profesora adjunta Christina Murphy, quien también es subdirectora de la Unidad de Investigación Cooperativa de Pesca y Vida Silvestre de Maine del Servicio Geológico de Estados Unidos (USGS), señala que la mayoría de las especies incorporadas al modelo aún pueden beneficiarse de medidas de protección temprana. Ejemplos son la trucha ártica de Maine (Salvelinus alpinus) y distintas poblaciones de trucha ártica identificadas en otras regiones.

Murphy afirma que la clave reside en anticipar la intervención, permitiendo que administradores de vida silvestre puedan proteger una gran cantidad de peces antes de que las amenazas se conviertan en irreversibles. A través de esta herramienta, los científicos buscan que la conservación sea proactiva, facilitando la identificación y el resguardo de especies mientras todavía están fuera de peligro.

Cómo funciona el modelo: inteligencia artificial, datos globales y predicción proactiva

El equipo dirigido por Murphy desarrolló un modelo informático que integra 12 fuentes públicas de información, principalmente de la Unión Internacional para la Conservación de la Naturaleza (UICN). El modelo emplea inteligencia artificial para analizar millones de relaciones no lineales entre las especies y su entorno. De este modo, puede determinar cuáles están en riesgo inmediato, así como los factores particulares que las afectan.

Entre las 52 variables que evalúa el sistema se incluyen la construcción de presas, la extracción de agua, la degradación de hábitats, la contaminación ambiental, factores económicos y la presencia de especies invasoras. Esto permite a la herramienta ir más allá de las evaluaciones tradicionales. Mediante el uso de datos públicos, optimiza y agiliza el proceso de identificación de especies en peligro.

El coautor del estudio, J. Andrés Olivos, investigador posdoctoral en la Universidad Estatal de Oregón, explicó: “Nuestros resultados sugieren que la conservación funciona como la salud humana: las señales de bienestar suelen ser más consistentes que las múltiples vías de enfermedad. Para los peces de agua dulce, las condiciones de seguridad tienden a ser predecibles, mientras que el riesgo de extinción puede provenir de innumerables combinaciones de amenazas".

El modelo fue validado al compararse con evaluaciones existentes sobre especies en peligro, lo que permite a los usuarios examinar los riesgos principales y comprobar si estas amenazas también afectan a especies aún no clasificadas como amenazadas.

Impacto en la gestión y la planificación de la conservación

“Esto utiliza nuevas métricas para identificar qué está funcionando para evitar que las especies sean incluidas en la lista”, afirmó Murphy a Nature Communications. De acuerdo con la investigadora, el hallazgo más importante es el peso del impacto socioeconómico en el éxito de la conservación y la capacidad del modelo para identificar estrategias eficaces. Según Murphy, “los administradores pueden establecer nuevos programas de conservación basándose en lo que ha funcionado en el pasado, ya que muchas especies comparten lo que funciona”.

El análisis de patrones ecológicos, ambientales y económicos permite que la herramienta sugiera protecciones específicas que beneficien a múltiples especies simultáneamente. Así, los responsables de la vida silvestre pueden asignar recursos de forma preventiva, en vez de esperar a que la extinción sea inminente.

El profesor asociado Ivan Arismendi, de la Facultad de Ciencias Agrícolas de la Universidad Estatal de Oregón, destacó la urgencia de actuar en las primeras etapas: “A veces, la gente decide proteger especies cuando ya es demasiado tarde. Con nuestro modelo, quienes toman las decisiones pueden desplegar recursos con antelación, antes de que una especie se vea en peligro”.

Proyección futura: desde los peces hacia la protección de otras especies

La investigación comenzó en 2020, cuando Murphy se integró como investigadora postdoctoral a la Universidad Estatal de Oregón, trabajando junto a Arismendi, Olivos y en colaboración con científicos del USGS, el Servicio Forestal de Estados Unidos y la Universidad de Girona en Cataluña, España.

El equipo espera que la herramienta pueda adaptarse próximamente para diseñar modelos predictivos destinados a la protección de aves, árboles y otras formas de flora y fauna. Esta perspectiva permitiría extender el enfoque proactivo y basado en inteligencia artificial desarrollado para los peces de agua dulce a la conservación de diversos grupos biológicos.

La publicación en la revista Nature Communications consolida estas aportaciones como un nuevo punto de partida para la planificación de la conservación, al proporcionar un método que prioriza la intervención temprana y extiende sus beneficios más allá de una sola especie o hábitat.