¿Qué ocurrió?

Un nuevo estudio escrito por Danial Sharifrazi, Saadat Behzadi y siete colaboradores de investigación presentó un modelo de inteligencia artificial que detecta mosquitos infectados con el virus del dengue serotipo 2 (DENV2) a partir de grabaciones de video. La investigación se publicó en arXiv el 13 de agosto de 2026.

El sistema primero utiliza el modelo de detección de objetos YOLO para separar a los mosquitos del fondo, y luego relaciona las características de la imagen con expresiones textuales biológicamente relevantes en un espacio de embedding compartido. Esta correspondencia se realiza mediante la arquitectura de modelo visual-lingüístico llamada Contrastive Language-Image Pre-training (CLIP).

¿Por qué es importante?

El pequeño tamaño de los mosquitos, sus movimientos irregulares y rápidos, junto con factores ambientales como la iluminación y las sombras, dificultan la extracción confiable de características en el análisis basado en video. El modelo propuesto por los investigadores busca superar estos desafíos mediante un ajuste fino con aprendizaje contrastivo bidireccional supervisado (bidirectional contrastive learning).

Que el modelo alcance 98,54 % de precisión y 99,91 % de sensibilidad a nivel de fotograma demuestra que los cambios de comportamiento causados por la infección pueden rastrearse automáticamente a partir de datos de video. Al combinar la información de los fotogramas a lo largo del tiempo, el modelo alcanzó un rendimiento completo a nivel de video entero.

Hallazgos

  • La segmentación basada en YOLO separó con éxito a los mosquitos del fondo.
  • Las representaciones basadas en CLIP y el ajuste fino fueron determinantes para una clasificación correcta.
  • El componente de texto proporcionó alineación semántica entre imagen y texto, en lugar de aumentar la precisión.
  • El modelo no perdió rendimiento al pasar del nivel de fotograma al nivel de video completo.

¿Qué sigue?

Los investigadores señalan que este marco visual-lingüístico también podría utilizarse para analizar otros comportamientos biológicos causados por infecciones a partir de datos de video. Hasta ahora no se ha compartido un cronograma detallado sobre las siguientes fases del estudio ni sobre posibles aplicaciones clínicas o de campo.