Cómo el sistema visual de las palomas podría impulsar una IA capaz de detectar cáncer de pulmón

Palomas entrenadas para detectar cáncer de pulmón aparecieron en una investigación que busca reducir errores en la lectura de imágenes médicas. Según Popular Science, por cada 10 escáneres con una anomalía, un radiólogo probablemente pase por alto tres, y un equipo entrenó a seis aves para identificar nódulos pulmonares en tomografías computarizadas con la meta de mejorar futuras herramientas de inteligencia artificial médica.

Los científicos entrenaron palomas porque querían estudiar cómo funciona el sistema visual no consciente que también interviene en los radiólogos cuando observan tomografías. Según Popular Science, la intención es aprovechar esas señales visuales y fisiológicas para desarrollar herramientas de inteligencia artificial que ayuden a reducir errores sin reemplazar el juicio clínico.

Gregory DiGirolamo, investigador del College of the Holy Cross en Worcester, Massachusetts, encabezó ese trabajo con sus colegas. A comienzos de este año, el equipo publicó un estudio en el que seis palomas aprendieron a ver videos cortos de tomografías computarizadas y a decidir si mostraban o no un nódulo pulmonar, un crecimiento en el pulmón que puede indicar cáncer.

El problema que intenta abordar el proyecto es concreto. Según Popular Science, la supervivencia del paciente depende de la detección temprana, y por eso los fallos en la lectura de escáneres fueron el punto de partida de la investigación.

Qué revela el sistema visual no consciente

En 2025, DiGirolamo y sus colegas publicaron un estudio sobre radiólogos que mostró una paradoja. Incluso cuando no marcan un nódulo pulmonar y consideran normal una tomografía de tórax, su cerebro no consciente sí detecta la anomalía.

Para llegar a esa conclusión, el equipo usó tecnología de seguimiento ocular. Halló que, cuando los radiólogos miran un nódulo sospechoso, sus ojos se detienen en ese punto y sus pupilas se dilatan. Esa reacción indica que los ojos y el cerebro registraron que algo no encaja. Sin embargo, a veces esa información no llega a la percepción consciente y el médico termina por considerar normal el escáner.

DiGirolamo buscó entonces una forma de aislar ese sistema visual no consciente sin la interferencia del cerebro consciente humano. Por eso recurrió a las palomas, ya que su sistema visual funciona de una manera parecida a la parte inconsciente de la visión humana.

Cómo entrenaron a las palomas para detectar anomalías

El entrenamiento se basó en recompensas con comida. La mitad de las aves recibía alimento cuando detectaba correctamente nódulos, y la otra mitad cuando identificaba de forma correcta escáneres limpios.

Las seis palomas mejoraron hasta distinguir entre imágenes con nódulos pulmonares e imágenes sin ellos. Además, aplicaron lo aprendido a escáneres nuevos que no habían visto antes.

El resultado fue más allá de la tarea inicial. Una vez que aprendieron a reconocer nódulos pulmonares, también empezaron a identificar enfisema y nódulos en vidrio deslustrado, aunque nadie las había entrenado para esas dos señales.

DiGirolamo explicó a Popular Science que, para el ojo humano, el enfisema y los nódulos en vidrio deslustrado “se ven totalmente diferentes de un nódulo pulmonar”. El rendimiento de las aves sugiere que las tres afecciones comparten alguna señal visual común.

Ese indicio también podría aparecer en el cerebro no consciente de los médicos. Según el periódico, la hipótesis del equipo es que los radiólogos captan esa señal aunque su percepción consciente les diga que la tomografía es normal.

Para qué puede servir esta investigación en la inteligencia artificial médica

El siguiente paso no consiste en llevar aves a una consulta, sino en trasladar esas observaciones a herramientas de apoyo clínico. DiGirolamo quiere convertir estos hallazgos en sistemas de inteligencia artificial médica que ayuden a evitar errores en la interpretación de imágenes.

Su plan pasa por recoger datos de la mirada y de la fisiología del radiólogo, como la dilatación pupilar, para registrar cómo responde ante anomalías sutiles. Después, incorporaría esos patrones de movimiento ocular a modelos de inteligencia artificial.

Según Popular Science, el investigador dejó claro que esa tecnología no reemplazaría a los radiólogos. Su función sería actuar como una herramienta que aprende directamente de sus ojos y acorta la distancia entre lo que detecta el cerebro no consciente y lo que el médico expresa en su juicio final.

La idea también podría extenderse a otras especialidades médicas. El mismo enfoque serviría para cardiólogos que interpretan electrocardiogramas en busca de ataques cardíacos.

Fuera de la medicina, el investigador también contempla otros usos para esa combinación de mirada experta y reacción fisiológica. El método podría probarse en la autenticación de obras de arte y en controles de seguridad aeroportuaria sobre equipajes que ya fueron considerados seguros.

Por ahora, DiGirolamo concentra su trabajo en los errores médicos, que considera la aplicación más práctica. Aun así, según Popular Science, la línea de investigación también abre la puerta a usos fuera del hospital a partir de una misma idea: enseñar a una máquina a reconocer señales que un experto percibe antes de expresarlas.