Manolin impulsa nueva etapa en la gestión sanitaria del salmón con biblioteca abierta sobre enfermedades de peces

La gestión sanitaria de la salmonicultura enfrenta un desafío que no está únicamente relacionado con la detección de enfermedades, sino también con la capacidad de acceder rápidamente al conocimiento disponible para comprenderlas. Artículos científicos, informes técnicos y distintas bases de datos contienen una gran cantidad de información, pero muchas veces se encuentran dispersos y organizados bajo formatos que dificultan su utilización en el trabajo cotidiano de los equipos productivos. Con ese desafío como punto de partida, Manolin desarrolló la Fish Disease Library, una biblioteca de conocimiento sanitario de código abierto que busca estructurar y reunir información sobre enfermedades de peces, incorporando además la participación de especialistas y contexto asociado a las distintas regiones productivas. Desde Manolin explicaron a InfoSALMON que la iniciativa surgió precisamente al identificar esta fragmentación tanto dentro de la industria como en su propio trabajo. “La librería nació de un problema que vimos en dos frentes al mismo tiempo. Por un lado, nuestros usuarios disponían de información sanitaria repartida entre artículos científicos, informes y bases de datos, sin un lugar único donde reunirla. Internamente, nos pasaba lo mismo cuando investigábamos enfermedades para desarrollar nuestros modelos. La literatura existía, pero su formato académico la volvía difícil de destilar y no había una sola página o fuente organizada como uno querría para entender sobre una enfermedad. Esa brecha motiva la creación de la librería”, explicaron. El equipo agrega que la herramienta también tiene una relación directa con el desarrollo de sus modelos predictivos. “Para nosotros el trabajo tiene además un uso práctico y directo, ya que entender el conocimiento base de las patologías y sus mecanismos de infección ayudan a contextualizar la causalidad dentro de los modelos predictivos. La librería es de código abierto, de modo que cada contribución beneficia a Manolin y a la industria por igual”, añadieron. De información dispersa a una base de conocimiento compartida Uno de los elementos centrales de la Fish Disease Library es que no se plantea únicamente como un repositorio de publicaciones. La propuesta considera estructurar, verificar y contextualizar el conocimiento sanitario para facilitar su utilización por parte de los distintos actores de la industria. Según Manolin, esto permitiría reemplazar la búsqueda manual entre múltiples fuentes por un espacio común. “La plataforma entrega a la industria un lugar estructurado y verificado para buscar información sanitaria, en reemplazo del articulado manual desde una docena de fuentes dispersas. Una base de conocimiento compartida”, destacaron. El modelo también contempla que especialistas externos puedan incorporar conocimiento directamente a la estructura de la biblioteca. “También abre un canal para que los expertos incorporen su propio conocimiento dentro de esa misma estructura, de modo que la librería crece como un cuerpo de trabajo compartido entre Manolin y la industria, y no como algo que mantenemos nosotros solos”, contaron. Para la compañía, este aspecto adquiere especial relevancia en un escenario donde las herramientas de inteligencia artificial están comenzando a utilizarse cada vez más para responder preguntas relacionadas con salud animal. “Ese punto gana peso a medida que la inteligencia artificial y los modelos de lenguaje empiezan a responder consultas sanitarias sobre la industria. Queremos que esos sistemas se alimenten de material estructurado y verificado, y esa fue una de las razones centrales para construir la librería como la construimos”, reflexionaron. El siguiente paso: conectar conocimiento y predicción La Fish Disease Library también está pensada para complementar el trabajo de Watershed, la plataforma predictiva de Manolin. Actualmente, los usuarios pueden visualizar dentro de la plataforma el riesgo asociado a determinadas enfermedades. La visión de la compañía es que, en el futuro, esa alerta pueda conducir directamente hacia la información científica necesaria para comprender el riesgo. “La visión es que la librería opere junto a Watershed. Hoy el usuario ve su propio riesgo de enfermedad dentro de la plataforma. El paso siguiente es conectar ese riesgo con la librería para poder profundizar. Por ejemplo, revisar la historia de la enfermedad, acceder a investigación vigente y mantenerse actualizado sin salir del flujo de trabajo”, detallaron. La compañía plantea además que la gestión sanitaria no corresponde exclusivamente a los responsables de salud de peces. “La audiencia excede a los jefes de salud de peces. Gerentes, encargados de alimentación y jefes de calidad también gestionan riesgo sanitario. Es el mismo problema de fragmentación que motivó la librería, aplicado ahora a nuestros propios usuarios”, sostuvieron. Esta integración también considera un proceso continuo de evaluación de los modelos predictivos. “Del lado del modelo, cada predicción que emitimos queda almacenada y evaluamos su desempeño de forma continua, lo que permite que la recomendación entregada al centro se corrija con la evidencia que va llegando”, señalaron. Contexto regional para una industria con realidades diferentes Un desafío particularmente relevante para la salmonicultura es que una misma enfermedad no necesariamente se comporta de igual manera entre especies, regiones o centros de cultivo. Por ello, Manolin señala que trabaja con expertos y fuentes de distintas zonas productivas para incorporar contexto local a la información disponible. “Trabajamos con expertos que revisan el contenido por región e incorporamos contexto de investigación desde distintas zonas productivas, para que la información se sostenga localmente y no solo en términos generales. Avanzamos hacia accesibilidad multiidioma, de modo que más actores de la industria usen el material de forma directa”, indicaron. La compañía agrega que los mecanismos de retroalimentación regional son parte de este proceso. “Los circuitos de retroalimentación regional mantienen el contenido ajustado a cómo operan realmente los centros en cada geografía”, afirmaron. El mismo principio se aplica a sus modelos predictivos, que consideran diferencias entre regiones y especies. “En los modelos aplicamos el mismo principio. Cada región y cada especie tiene su propio conjunto de modelos, con componentes que se construyen unos sobre otros. Sistematizamos la creación y el entrenamiento igual que la recolección de datos”, aseveraron. De acuerdo con Manolin, actualmente la plataforma trabaja con cientos de modelos subyacentes. “Hoy operamos cientos de modelos subyacentes que predicen múltiples variables. La creación de un modelo es un proceso iterativo que exige un esfuerzo de ingeniería considerable para asegurar que los datos de entrada reflejen la narrativa real de lo que ocurre en el agua”, resaltaron. Cuatro líneas de desarrollo para los próximos años De cara al futuro, Manolin identifica cuatro líneas principales para la evolución de la Fish Disease Library. La primera es conectar el contenido científico directamente con las señales de riesgo generadas por los modelos. “Conectar la librería con las señales de riesgo en vivo. Cuando Watershed marca riesgo elevado para un grupo de peces, la ciencia que sustenta esa alerta queda a un clic. El usuario deja de recorrer dos experiencias separadas (la salida del modelo por un lado y la literatura por otro) y accede al fundamento en el mismo punto donde toma la decisión”, indicaron. El segundo eje apunta a ampliar la participación de especialistas. “Ampliar la base de contribuidores. Veterinarios, investigadores y especialistas regionales aportan de forma abierta, y la cobertura crece enfermedad por enfermedad y región por región. Esa arquitectura reparte la autoría en la industria en vez de concentrarla en Manolin”, señalaron. El tercer frente está relacionado directamente con la inteligencia artificial y la manera en que los modelos de lenguaje utilizan fuentes de información. “Profundizar la legibilidad para las máquinas o modelos de lenguaje. La industria y las herramientas de inteligencia artificial que hoy responden consultas sanitarias empiezan a tratar la librería como fuente, no como página para leer. Seguimos invirtiendo en qué tan estructurada y citable es, porque la calidad de esas respuestas depende de la calidad del material que las alimenta”, afirmaron. Finalmente, la compañía apunta a ampliar el alcance geográfico y lingüístico de la iniciativa. “Extender el alcance regional e idiomático. Noruega y Chile son la base actual, y la cobertura seguirá la huella productiva donde esta se expanda”. Una convergencia entre datos, ciencia e inteligencia artificial La estrategia planteada por Manolin combina dos elementos que tradicionalmente han operado de manera separada dentro de la gestión sanitaria: la generación de señales predictivas y el acceso al conocimiento científico que permite interpretarlas. El componente predictivo seguirá desarrollándose sobre modelos específicos por región y especie, mientras que la biblioteca busca aportar el contexto científico necesario para comprender las alertas y respaldar las decisiones. Como explica el equipo de Manolin: “Sobre el lado predictivo, el trabajo se sostiene en modelos específicos por región y especie, con predicciones que quedan almacenadas y se evalúan de forma continua contra lo que ocurre después. Ese circuito permite que la recomendación entregada al centro se corrija con la evidencia nueva, y la librería aporta el contexto que hace interpretable esa corrección”. Para la salmonicultura chilena, donde la gestión sanitaria requiere combinar información científica, experiencia operacional, datos productivos y conocimiento específico de cada territorio, el desarrollo de herramientas capaces de conectar estos distintos niveles de información abre una nueva dimensión en el uso de datos para la prevención y gestión de riesgos. La Fish Disease Library se plantea así como una infraestructura abierta de conocimiento que busca crecer junto con la industria, mientras la integración con herramientas predictivas como Watershed apunta a acercar la evidencia científica al momento concreto en que se toman decisiones en los centros de cultivo.