Hasta ahora, la principal vía para cuantificar la carga parasitaria en los centros de cultivo ha sido indirecta y reactiva, basada principalmente en contar los ejemplares adultos adheridos a los peces una vez que la infestación ya ocurrió.
Frente a este escenario, una investigación conjunta entre la Universidad Noruega de Ciencia y Tecnología (NTNU) y la Universidad de Wageningen propuso cambiar esta metodología mediante el uso de Inteligencia Artificial (IA) y visión computacional, permitiendo detectar al parásito directamente en la columna de agua y en sus fases tempranas de vida libre.
Horas a 30 minutos
El estudio comparó el desempeño humano frente a los algoritmos en una misma muestra compleja, los biólogos marinos experimentados tardaron más de 30 horas a lo largo de varios días para identificar el 82% de los parásitos. En contraste, el modelo de IA requirió apenas 30 minutos para reconocer el 97,5% de las larvas, demostrando una velocidad y una exactitud sin precedentes.
De acuerdo con el investigador Lars Christian Gansel, jefe del Departamento de Ciencias Biológicas de NTNU, el mejor enfoque para erradicar el impacto del piojo de salmón consiste en prevenir el contacto directo entre el parásito y el pez. Para diseñar y evaluar métodos preventivos eficaces, resulta indispensable detectar las larvas mientras aún flotan a la deriva en las corrientes marinas, antes de que logren alcanzar las jaulas de cultivo.
Distinción precisa entre estadios planctónicos
El algoritmo logra diferenciar con alta precisión entre el estadio de nauplio, que corresponde a la primera fase libre no infectiva que deriva con el agua, y las exuvias o mudas, que son caparazones transparentes que las larvas desechan al crecer y que tradicionalmente confunden los análisis ópticos.
Asimismo, la red neuronal identifica con exactitud el estadio de copepodito, la fase crítica donde el parásito adquiere nado activo y busca fijarse al mucus del salmón. Esta discriminación morfológica representa una ventaja crucial frente a técnicas moleculares como la PCR en tiempo real (qPCR), herramientas que, si bien confirman la presencia de material genético en el agua, no permiten determinar en qué fase biológica se encuentra la población parasitaria.
Datos sintéticos
Debido a la baja densidad natural de larvas por metro cúbico en fiordos abiertos, recopilar decenas de miles de imágenes reales en terreno representaba un obstáculo logístico de gran magnitud. Para superar esta limitación, el equipo desarrolló una plataforma de micro-adquisición de video de alto flujo, equipada con iluminación lateral y lentes macro capaces de analizar hasta 325.000 organismos por hora a una resolución de 5 micras.
A partir de estas capturas, los investigadores implementaron técnicas de generación de datos sintéticos, creando un banco de más de 120.000 imágenes donde las larvas fueron rotadas, reescaladas y superpuestas digitalmente sobre fondos marinos con distintas densidades de algas y sedimentos. Esta estrategia permitió robustecer el entrenamiento de los algoritmos para que operen con solidez ante condiciones oceanográficas variables y fondos visualmente complejos.
Modelos ultrarrápidos para monitoreo directo en jaulas
Tras evaluar 16 arquitecturas neuronales, el estudio concluyó que modelos de una sola etapa como YOLOv8 y YOLOv5 ofrecen el rendimiento más prometedor para aplicaciones comerciales en terreno. Estos algoritmos alcanzaron velocidades de inferencia superiores a los 400 cuadros por segundo con un peso informático inferior a los 7 megabytes, lo que facilita su integración en computadores de bajo consumo o sistemas embebidos instalados en pontones y balsas jaula.
En pruebas de validación realizadas con agua de mar filtrada en concesiones comerciales de Noruega, los modelos lograron detectar la totalidad de las larvas presentes en muestras ricas en plancton nativo. Además, el flujo de trabajo permitió que un operador humano revise y confirme los resultados de un video completo de 26 minutos en un margen de tan solo 1 a 5 minutos, reduciendo drásticamente las horas dedicadas al laboratorio
Hacia una gestión oceanográfica predictiva
La posibilidad de monitorear concentraciones de larvas infectivas en tiempo real y a diferentes profundidades, abre una oportunidad para la toma de decisiones sanitarias en los centros de cultivo. Al medir directamente la presencia del parásito en el medio marino, las empresas y autoridades podrán alimentar con datos certeros los modelos hidrodinámicos y mapas de dispersión oceanográfica.
Esta información en tiempo real permitirá anticipar eventos de alta presión parasitaria en los fiordos, planificar baños y tratamientos de manera estratégica antes de la fijación masiva del parásito y coordinar siembras en zonas de menor riesgo ambiental, resguardando tanto el bienestar como la la fauna silvestre.
