La inteligencia artificial ayuda a seleccionar características de un pez autóctono para su cría en Brasil

Científicos del país desarrollan un software que efectúa mediciones en tiempo real de ejemplares de pacú blanco, incluso en diferentes fondos y con variadas condiciones de luz. Su objetivo es favorecer tanto atributos que indican el crecimiento y el aumento de peso como otros de interés comercial

Por André Julião  |  Agência FAPESP – Frente a una red llena de pacúes blancos (Piaractus mesopotamicus), es imposible distinguir a simple vista entre aquellos que tendrán descendientes con mejor rendimiento de filetes o que aumentarán de peso más rápido, por ejemplo.

La medición del tamaño del cuerpo de cada uno con una cinta métrica y su pesaje con una balanza puede suministrar una buena pista, cuando estos datos se tabulan y se los compara. Pero la cría de una población entera con las características deseables requiere que se midan y se pesen alrededor de 2 mil peces por generación, algo que puede tardar días.

En Brasil, investigadores de la Universidade Estadual Paulista (Unesp), con el apoyo de la FAPESP, acaban de solucionar este problema mediante el desarrollo de un software que emplea inteligencia artificial para realizar mediciones precisas en tiempo real.

Estos resultados se publicaron en la revista Aquaculture.

Junto a otros trabajos del grupo, el objetivo es contar con poblaciones mejoradas de esta especie de pez autóctono, incrementando la productividad y abaratando el producto (lea más en: agencia.fapesp.br/36507/).

“La medición manual limita la obtención de datos, toda vez que estresa a los peces, puede transmitir enfermedades y provocar brotes, aparte de requerir de un tiempo precioso. Automatizamos este proceso entrenando a la máquina con fotos de los pacúes blancos e señalándole en dónde son la cabeza, el cuerpo, la pelvis y las aletas. Contamos entonces ahora con un dispositivo portátil que puede llevárselo al campo y que ejecuta esta labor rápidamente, clasificando a los mejores animales”, aclara Diogo Hashimoto, último autor del artículo publicado en Aquaculture y docente del Centro de Acuicultura de la Unesp (Caunesp) con sede en la localidad de Jaboticabal, quien encabeza un proyecto que cuenta con el apoyo de la FAPESP.

Los investigadores emplearon la tecnología conocida como deep learning, uno de los tipos más recientes de aprendizaje automático que, entre otras ventajas, genera resultados con mucha mayor velocidad.

Los estudios se llevaron a cabo también en el marco de un proyecto parcialmente financiado por la empresa Huawei de Brasil Telecomunicações, con la coordinación de Jose Remo Ferreira Brega, docente del Departamento de Computación de la Facultad de Ciencias de la Unesp en la localidad de Bauru, quien también suscribe el artículo.

En este trabajo, los investigadores buscaron diferenciar entre los pacúes blancos redondos y los elípticos. Debido a que los peces silvestres suelen tener sus cuerpos más redondeados, se cree que dicha característica puede pesar en la elección de los consumidores. Para obtenerla, se selecciona a aquellos que tengan una relación proporcional entre la altura y el ancho. De este modo, se obtiene también un mayor rendimiento de lomo y de las “costillas”, tal como se les llama a algunos de los cortes más apreciados de peces autóctonos como el pacú blanco y el tambaqui o pacú negro (lea más en: agencia.fapesp.br/37902/).

Otras relaciones entre las medidas de los peces, tales como el tamaño de la pelvis o la proporción entre el tamaño de la cabeza y del cuerpo pueden indicar un mayor rendimiento de filetes o incluso tasas de crecimiento y aumento de peso, por ejemplo.

Peces mejorados

El mejoramiento mediante selección genética de características deseables para los productores, conocidas como fenotipos, no constituye una novedad en el sector agropecuario brasileño, líder mundial en la producción de proteína animal proveniente de pollos, vacas y cerdos.

Pero en lo que concierne a la acuicultura, la tecnología existente destinada al mejoramiento se restringe prácticamente al salmón y a la tilapia, dos peces exóticos y que se ubican entre los más producidos en el mundo. Y las innovaciones se concretan en su mayoría en el exterior.

Si bien Brasil posee una cadena productiva de la tilapia que comprende la investigación y el desarrollo, el mejoramiento de peces nativos es aún bastante incipiente en el país. Pero el software creado por los brasileños se mostró incluso más resiliente que el que existe para selección de fenotipos en otros peces, como en el caso de la tilapia.

“Nuestro programa puede reconocer y medir las diferentes partes del pacú blanco incluso en desde el borde del estanque, con contaminación visual en el fondo y condiciones de luz variables. El que ya se ha desarrollado para la tilapia se vale de luz controlada y de un fondo uniforme”, compara Hashimoto.

La sistematización de fenotipos del pacú blanco en grandes bancos de datos permitirá seleccionar a los animales con mayor precisión, potenciando así otro trabajo realizado por el grupo de Jaboticabal.

En 2021, los investigadores publicaron un artículo en el cual describen los llamados polimorfismos de un solo nucleótido (SNP, por sus siglas en inglés) del pacú blanco y del tambaqui (Colossoma macropomum). Esas mutaciones en el código genético pueden ayudar en el mapeo genómico de características deseables de los peces, acelerando su selección y su mejoramiento.

La forma convencional de medir el rendimiento de los filetes o del lomo, por ejemplo, consiste en faenar al animal y pesar esas partes. De este modo, se pierde el ejemplar y quedan solamente sus hermanos que, pese a que son muy parecidos genéticamente, no necesariamente poseerán aquellas características.

“La ventaja del software integrado con datos genómicos reside en que podemos recolectar la información y mantener al animal deseado vivo para utilizarlo como reproductor durante el proceso de selección”, señala Hashimoto.

Puede leerse el artículo intitulado High-throughput phenotyping by deep learning to include body shape in the breeding program of pacu (Piaractus mesopotamicus) en el siguiente enlace: www.sciencedirect.com/science/article/abs/pii/S0044848622009644.