Cuando el algoritmo mira antes que el ojo humano
Diagnostico IA en veterinaria: Muchas enfermedades de perros y gatos se detectan tarde. Los animales ocultan el dolor y el malestar por instinto, y los tutores suelen notar el problema cuando ya está avanzado. En oncología y en enfermedades crónicas, ese retraso suele decidir el pronóstico.
La inteligencia artificial (IA) aparece aquí como una herramienta de apoyo, no como un sustituto del veterinario. Sus algoritmos detectan patrones en imágenes, análisis de sangre, historiales clínicos y datos de sensores que son difíciles de ver a simple vista. Esos patrones pueden anticipar una enfermedad o mostrar cómo evoluciona.
Este artículo recorre cinco aplicaciones concretas y una reflexión sobre sus límites:
- Pruebas de sangre para detectar cáncer.
- Análisis de imágenes y citologías.
- Predicción de enfermedad renal crónica.
- Monitoreo de la diabetes.
- Sensores portátiles para enfermedades crónicas como la osteoartritis.
1. Una gota de sangre que “lee” el ADN: la biopsia líquida veterinaria
Buscar cáncer en un perro aparentemente sano suena a ciencia ficción. Es el objetivo de la llamada biopsia líquida, un análisis de sangre que detecta señales tempranas de tumores. Una revisión científica la describe como una meta central de la oncología moderna, con la IA como motor de esa innovación.
La revisión señala un estudio del equipo de PetDx que combinó la cuantificación de ADN libre circulante con datos de secuenciación de nueva generación. Con un modelo de regresión logística relativamente sencillo, la prueba detectó siete tipos frecuentes de cáncer, con una sensibilidad global del 71,3 % y una especificidad del 98,7 %.
Estos datos se entienden mejor con dos conceptos:
- Sensibilidad: la capacidad de detectar a los animales que sí tienen la enfermedad.
- Especificidad: la capacidad de descartar correctamente a los animales sanos y evitar falsas alarmas.
Los mismos autores aclaran que este producto fue de los pocos comercializados en oncología veterinaria y que PetDx cerró operaciones en 2024. La tecnología es prometedora, pero su continuidad comercial no está garantizada.
Otra línea de trabajo apunta a la prevención. Un equipo de la Universidad de Minnesota prueba un enfoque de “test and intervene” para perros con riesgo de linfoma difuso de células B grandes, usando IA para analizar fragmentos de ADN en sangre.
El estudio aprovecha el Golden Retriever Lifetime Study para identificar patrones de ADN antes de que aparezca el cáncer. La prueba, llamada LyRA, clasificaría a los perros en riesgo bajo o alto y guiaría estrategias de prevención para los de riesgo alto. Según la Morris Animal Foundation, el linfoma afecta aproximadamente a uno de cada ocho perros.
Puntos clave de esta aplicación:
- Detecta cáncer con una muestra de sangre, sin procedimientos invasivos.
- Puede orientar el seguimiento de razas con mayor predisposición.
- Aún es investigación en desarrollo, no un examen de rutina universal.
Una alta especificidad protege a las familias de falsas alarmas, con el estrés y los costos que traen. Una sensibilidad del 71 % significa que un resultado negativo no es una garantía absoluta. La biopsia líquida complementa el examen clínico y no lo reemplaza.
2. Ver lo invisible: IA en imagen y citología
Un patólogo o radiólogo veterinario interpreta cientos de imágenes con años de experiencia. Aun así, la fatiga, la variabilidad entre observadores y la falta de especialistas en algunas regiones son problemas reales. Aquí la IA funciona como un segundo par de ojos incansable.
Una revisión publicada en Animals explica que la IA está transformando la oncología veterinaria, sobre todo en imagen diagnóstica, al mejorar la detección y caracterización de tumores en animales de compañía.
Cita como ejemplo que algoritmos de aprendizaje profundo superaron a patólogos veterinarios en detectar regiones tumorales con actividad mitótica en mastocitomas caninos, con correlaciones entre 0,963 y 0,979 respecto a los conteos de referencia. El texto también menciona que un ultrasonido asistido por IA redujo los falsos negativos en tumores hepáticos de perros.
La radiómica va un paso más allá. La revisión de alcance de BMC Veterinary Research recoge modelos que predicen malignidad hepática en perros a partir de la textura de imágenes de tomografía. También recoge estudios que usan rasgos del tumor primario y de los ganglios mesentéricos para diferenciar tumores intestinales. Es una forma de caracterizar un tumor de manera no invasiva.
En citología (el examen de células bajo el microscopio), un proyecto del Virginia-Maryland College of Veterinary Medicine entrena una IA con más de 10.000 imágenes de aspirados de ganglios linfáticos para distinguir perros con linfoma de perros sanos. En una segunda fase, buscan adaptar el modelo para detectar patrones de enfermedad en etapas más tempranas. El objetivo es un diagnóstico más rápido, menos invasivo y más accesible para los tutores, frente a biopsias costosas y lentas.
Aplicaciones destacadas:
- Patología: conteo de células en división, un dato clave para graduar tumores.
- Ecografía y tomografía: apoyo para marcar lesiones sospechosas.
- Citología: clasificación automática de muestras sencillas de obtener.
La IA aporta consistencia, pero el diagnóstico final sigue siendo un acto clínico. El criterio del profesional contextualiza el resultado con la historia del paciente, y ese contexto no está en la imagen. La utilidad de la IA está en que el especialista llegue antes y con más información.
3. El riñón silencioso: anticipar la enfermedad renal crónica
La enfermedad renal crónica (ERC) es una de las condiciones más importantes en gatos mayores y muy relevante en perros. Su diagnóstico suele llegar tarde porque los signos aparecen cuando ya se perdió una parte importante de la función renal. Anticiparse permite ajustar la dieta, controlar la presión arterial y vigilar más de cerca.
Un estudio de referencia, publicado en el Journal of Veterinary Internal Medicine, analizó los historiales de 106.251 gatos atendidos en hospitales Banfield entre 1995 y 2017. El modelo final fue una red neuronal recurrente con solo cuatro variables: creatinina, nitrógeno ureico en sangre, densidad urinaria y edad.
Cerca del momento del diagnóstico, alcanzó una sensibilidad del 90,7 % y una especificidad del 98,9 %. La sensibilidad disminuyó al predecir con horizontes más largos. Lo notable es que usa datos de análisis de rutina, sin exámenes especiales.
Otro trabajo con redes neuronales identificó gatos de 7 años o más con riesgo de desarrollar ERC. Para un horizonte de 12 meses, el modelo tuvo sensibilidad del 87 % y valor predictivo negativo del 92 %, con un valor predictivo positivo más modesto, del 53 %.
El enfoque se extendió a los perros. Un estudio posterior aplicó una metodología similar con historiales electrónicos de perros, motivado por su menor supervivencia y peor pronóstico frente a los gatos con ERC. Incluyó datos de 57.402 perros.
Los biomarcadores nuevos también se combinan con IA. Un estudio en Scientific Reports identificó la relación suero/orina de 3-hidroxiquinurenina como posible biomarcador de ERC temprana en gatos. Un modelo de máquinas de vectores de soporte con metabolitos y parámetros clínicos alcanzó un AUC de 0,929 y una exactitud de 0,862 seis meses antes del diagnóstico tradicional.
Lo esencial:
- Usa análisis que el veterinario ya solicita en chequeos periódicos.
- Identifica pacientes de riesgo antes de que aparezcan signos.
- Un valor predictivo positivo moderado implica confirmar con pruebas adicionales.
Esta aplicación muestra el valor del chequeo preventivo. Un gato senior con análisis “casi normales” puede tener una tendencia que el ojo humano no percibe. Es un argumento para mantener las visitas regulares y guardar bien los historiales.
4. Diabetes: del pinchazo al dato continuo
La diabetes mellitus es uno de los trastornos endocrinos más comunes en perros y gatos. Tradicionalmente, el control implicaba pruebas manuales de glucosa, en casa o durante hospitalizaciones. Eso supone estrés para el animal y una carga para el tutor.
Los monitores continuos de glucosa (MCG) cambiaron el panorama. Según la Universidad de Illinois, su uso en pacientes veterinarios es actualmente off-label, pero gana popularidad. El sensor se coloca en la parte alta del lomo, recoge datos cada 1 a 15 minutos y los envía a un lector o teléfono, hasta por 15 días. Además, evita las curvas de glucosa en casa o en hospital, ahorra tiempo y reduce el estrés del paciente.
Conviene ser precisos: el sensor no es IA en sí mismo. Su valor para la IA es que genera series de datos densas, con las que los algoritmos pueden aprender a reconocer tendencias, episodios de hipoglucemia nocturna o respuestas anómalas a la insulina. Con datos escasos, esos patrones no aparecen.
También hay que reconocer las limitaciones. En gatos con cetosis o cetoacidosis diabética, el FreeStyle Libre 2 midió concentraciones significativamente menores que el glucómetro portátil, tanto en gatos hidratados como deshidratados. Otras publicaciones describen buena exactitud clínica en gatos, pero con variación individual sustancial y discordancias durante cambios rápidos de glucosa.
Ventajas y precauciones:
- Menos manipulación e incomodidad para el animal.
- Visión de fluctuaciones que una muestra puntual no muestra.
- Cada paciente puede responder distinto, así que el veterinario debe interpretar los datos.
- El uso off-label exige supervisión profesional.
Más datos no siempre significan mejores decisiones. La combinación de tecnología, interpretación clínica y comunicación con el tutor es lo que mejora el control glucémico. Un algoritmo puede alertar de una tendencia, pero ajustar la dosis de insulina sigue siendo decisión del veterinario.
5. El collar que escucha al cuerpo: sensores en enfermedades crónicas
Muchas enfermedades crónicas, como la osteoartritis, tienen signos sutiles que fluctúan. Un perro con dolor articular puede moverse un poco menos, dormir distinto o evitar las escaleras, y los cambios pasan desapercibidos en el día a día. En consulta, además, el animal a menudo se comporta diferente por los nervios.
Un estudio exploratorio en Animals evaluó un collar inteligente con acelerómetro y giroscopio para monitorear perros con osteoartritis en su hogar. Se siguió a cinco perros entre 56 y 126 días y se identificaron nueve eventos clínicamente relevantes: siete brotes de osteoartritis y dos problemas no ortopédicos.
En ocho eventos, los cambios de actividad coincidieron con el inicio de los síntomas, la respuesta al tratamiento o la recuperación. En un caso, la disminución de actividad precedió al reconocimiento del problema por parte del dueño.
Los autores advierten que la muestra es pequeña y que se necesitan más estudios para validar los hallazgos. Aun así, el potencial es claro. Los sensores permiten un seguimiento personalizado y en condiciones reales, comparando al animal consigo mismo a lo largo del tiempo.
Enfermedades donde este enfoque podría aportar:
- Osteoartritis y otras condiciones dolorosas.
- Cardiopatías, con monitoreo de frecuencia respiratoria en reposo.
- Trastornos del sueño y del comportamiento en animales geriátricos.
Los sensores cambian el ritmo de la atención. En lugar de una fotografía cada seis meses, el veterinario podría ver una película continua de la vida del paciente. Esto también exige cuidar la privacidad de los datos y evitar que los tutores se alarmen ante cada variación normal.
6. Los límites: promesa con responsabilidad
Los avances son reales, pero la adopción responsable exige mirar los riesgos. Una regla básica es que un modelo entrenado con datos de un grupo de animales puede fallar con otros, por diferencias de raza, edad o equipo.
El marco regulatorio también preocupa. Según la AVMA, a diferencia de la medicina humana, en veterinaria no se exige una revisión previa a la comercialización de las herramientas de IA. Tampoco es obligatorio que las empresas informen cómo entrenaron o validaron sus productos.
Una auditoría reciente sobre productos veterinarios comerciales concluye que los veterinarios cargan hoy con la responsabilidad legal y ética de validar estas herramientas sin acceso a los datos de rendimiento necesarios. Propone marcos de transparencia estandarizados, una especie de “etiqueta nutricional” para la IA, que detalle los datos de entrenamiento, las métricas en pruebas externas y las limitaciones conocidas.
Preguntas que conviene hacer ante cualquier herramienta de IA:
- ¿Con qué datos se entrenó y en qué poblaciones se validó?
- ¿Existen estudios independientes publicados?
- ¿Qué tasa de falsos positivos y negativos tiene?
- ¿Quién revisa el resultado antes de decidir?
La confianza se construye con transparencia. La IA veterinaria será útil en la medida en que sus resultados puedan verificarse, y un dato que no se puede auditar no debería definir un tratamiento.
Conclusión: tecnología al servicio del vínculo
La IA en veterinaria ya muestra resultados en varios frentes: análisis de sangre que buscan cáncer, algoritmos que apoyan la lectura de imágenes, modelos que anticipan la enfermedad renal y sensores que registran la evolución de la diabetes o la osteoartritis.
Muchos de estos desarrollos siguen en fase de investigación, y varios dependen de estudios pequeños o de un solo centro.
La conclusión práctica es doble. Para los profesionales, se trata de incorporar estas herramientas con criterio, exigir evidencia y ser transparentes con los tutores. Para las familias, lo más valioso sigue siendo lo de siempre: chequeos regulares, atención a los cambios de conducta y una buena relación con su veterinario. La IA amplifica esas prácticas, pero no las sustituye.
Publicidad…… Cursos relacionado
¡Haz clic aquí! 👆🏼mas información
¡Haz clic aquí! 👆🏼mas información
¡Haz clic aquí! 👆🏼mas información
¡Haz clic aquí! 👆🏼mas información
Fuentes consultadas
- BMC Veterinary Research (Springer) — The application of artificial intelligence in veterinary oncology: a scoping review
- dvm360 — Leveraging artificial intelligence for early canine cancer detection
- Morris Animal Foundation — Novel Research Leverages AI to Identify Dogs at Higher Risk for Cancer
- Virginia Tech News — New research aims to use AI to make cancer diagnostics for pets more available and affordable
- Animals (MDPI), vía ResearchGate — Advancing Veterinary Oncology: Next-Generation Diagnostics for Early Cancer Detection and Clinical Implementation
- PubMed (Journal of Veterinary Internal Medicine) — Predicting early risk of chronic kidney disease in cats using routine clinical laboratory tests and machine learning
- PubMed Central (Journal of Veterinary Internal Medicine) — An artificial neural network-based model to predict chronic kidney disease in aged cats
- PubMed Central (Scientific Reports) — An early prediction model for canine chronic kidney disease based on routine clinical laboratory tests
- Scientific Reports (Nature) — Early detection of feline chronic kidney disease via 3-hydroxykynurenine and machine learning
- University of Illinois College of Veterinary Medicine — Pharmacist’s Corner: Continuous Glucose Monitoring in Veterinary Practice
- PubMed Central (Animals) — Comparison between a Flash Glucose Monitoring System and a Portable Blood Glucose Meter for Monitoring of Cats with Diabetic Ketosis or Ketoacidosis
- PubMed Central (Animals) — Continuous Activity Monitoring Using a Wearable Sensor in Dogs with Osteoarthritis: An Exploratory Case Series
- AVMA (American Veterinary Medical Association) — Artificial intelligence in veterinary medicine: What are the ethical and legal implications?
- PubMed Central — A systematic audit of transparency and validation disclosure in commercial veterinary artificial intelligence
Nota de investigación
Este artículo tiene fines exclusivamente informativos y educativos. No constituye diagnóstico, prescripción ni recomendación de tratamiento, y no debe usarse para tomar decisiones clínicas sobre un animal en particular.
La información proviene de fuentes verificables: revistas científicas revisadas por pares y organizaciones veterinarias como la AVMA y la Morris Animal Foundation. Se excluyeron páginas comerciales y de venta de productos.
Los datos citados corresponden a los resúmenes y extractos consultados, por lo que se recomienda revisar cada estudio completo antes de usarlo en un contexto académico o profesional. Varias de las aplicaciones descritas siguen en fase de investigación, y no todas están disponibles en todos los países.
El diagnóstico, el pronóstico y el tratamiento de una mascota corresponden siempre a un médico veterinario colegiado, que evalúa al paciente de forma integral. La inteligencia artificial es una herramienta de apoyo y no reemplaza su criterio profesional. Ante cualquier signo de enfermedad o duda sobre la salud de su animal, consulte a su veterinario de confianza.
