Observar cómo se mueve un animal puede parecer una tarea simple, pero para muchas áreas de la neurociencia y la biología del comportamiento es una fuente central de datos. La postura, la velocidad, la dirección de la mirada o la secuencia de movimientos pueden ayudar a estudiar dolor, aprendizaje, efectos de fármacos, interacción social o enfermedades neurológicas. El problema es que medir todo eso con precisión suele requerir programas separados, computadoras potentes y bastante trabajo manual. Un nuevo estudio propone una alternativa más integrada y liviana.
El sistema, llamado SqueakPose Studio, reúne en una misma plataforma varias etapas que en muchos laboratorios todavía están fragmentadas: importar videos, etiquetar partes del cuerpo, entrenar el modelo de inteligencia artificial, validar su desempeño y luego aplicar ese modelo para analizar nuevas grabaciones. A eso se suma SqueakView, que permite desplegar el modelo en dispositivos pequeños de computación en el borde de la red, y MouseHouse, una estructura modular pensada para experimentos continuos en jaulas.
La idea de fondo es usar visión por computadora para traducir video en mediciones cuantitativas del comportamiento. En vez de depender de observadores humanos o de flujos de trabajo que procesan todo después del experimento, la plataforma está diseñada para que parte del análisis ocurra en tiempo real. Eso puede ser útil cuando un experimento necesita reaccionar al comportamiento del animal mientras está ocurriendo, por ejemplo para sincronizar sensores, activar estímulos o registrar eventos con una marca temporal más precisa.
Los autores compararon su sistema con DeepLabCut, una de las herramientas más conocidas para este tipo de tareas. Según sus pruebas, SqueakPose alcanzó una precisión espacial comparable al localizar puntos anatómicos, pero con mejoras importantes en velocidad. En uno de los benchmarks reportados, el procesamiento de inferencia sobre un video de campo abierto fue unas 8,5 veces más rápido. También informaron ventajas en entrenamiento y en la posibilidad de ejecutar el sistema no solo en GPU de escritorio, sino también en CPU, Apple Silicon y hardware embebido.
Ese cambio puede parecer técnico, pero tiene implicancias concretas. Si una herramienta de seguimiento corporal funciona con equipos más modestos y con menos piezas de software intermedias, más laboratorios pueden usarla y adaptarla. También se reduce la distancia entre recolectar los datos y analizarlos, algo valioso en estudios donde el tiempo importa. En la práctica, eso podría facilitar experimentos más continuos y comparables sobre comportamiento animal.
El trabajo se concentra sobre todo en la arquitectura del sistema y en su desempeño como método. No presenta por sí mismo un hallazgo biológico nuevo sobre el cerebro o la conducta, sino una herramienta para estudiar mejor esos fenómenos. Esa distinción importa: el valor de la plataforma dependerá de cuánto se adopte en otros laboratorios, de si mantiene su rendimiento con distintos animales y escenarios, y de qué tan fácil resulte integrarla a experimentos fuera de las condiciones evaluadas por sus creadores.
También hay límites propios de este tipo de desarrollo. Los benchmarks comparan tareas y configuraciones concretas, de modo que no garantizan automáticamente el mismo rendimiento en cualquier entorno experimental. Además, aunque el sistema está pensado para ampliar el acceso, sigue requiriendo entrenamiento de modelos, cámaras adecuadas y criterios claros para etiquetar los datos iniciales. La automatización no elimina la necesidad de diseño experimental cuidadoso.
Aún con esas cautelas, el estudio apunta a un cambio importante en cómo se hace ciencia del comportamiento. Cuando una herramienta logra convertir video en mediciones confiables, rápidas y relativamente accesibles, no solo ahorra tiempo: también amplía qué preguntas pueden hacerse los laboratorios sobre el movimiento y la conducta. En ese sentido, la novedad no está solo en que una IA “vea” mejor, sino en que puede volver más medible y reproducible una parte clave de la investigación biológica.
SqueakPose Studio, an end-to-end platform for pose estimation and real-time edge-AI deployment · eLife
eLife · Imagen acompañante del paper original; atribución preservada · Fuente de imagen
Haggerty, D. L., Darden, C. B., & Lovinger, D. (2026). SqueakPose Studio, an end-to-end platform for pose estimation and real-time edge-AI deployment. eLife, 14, RP111308. https://doi.org/10.7554/eLife.111308
Relacionadas por categoría
Ver masUn método adaptativo mejora la detección de texto generado por IA en pruebas controladas
Un preprint probó un detector que se ajusta a textos recientes sin etiquetas y rindió mejor ante cambios de estilo y tácticas para eludirlo.
Una IA intenta simular arena, agua y proteínas con un mismo modelo
Un preprint presenta WorldParticle, un modelo que representa distintos materiales como partículas para predecir su movimiento. Sus pruebas son prometedoras, pero no reemplazan todavía a los simuladores especializados.
Un sistema convierte artículos científicos en asistentes reutilizables
Un método empaqueta texto, código, datos y flujos de trabajo de algunos estudios para que una IA pueda ejecutar análisis y responder consultas en lenguaje natural.
Más de la misma fuente
Ver masLos virus no afectan igual el vuelo de las abejas melíferas
Experimentos de laboratorio muestran que dos virus comunes pueden alterar de maneras opuestas la capacidad de vuelo de las abejas melíferas.
Grandes reordenamientos del ADN aparecen ligados a la diversidad de cíclidos del lago Malawi
Un estudio genómico identificó seis grandes inversiones cromosómicas asociadas con hábitats, linajes y sistemas de determinación sexual en cíclidos del lago Malawi.
Una bacteria debe desmontar su pared celular a ritmo preciso para formar esporas
Un estudio en Myxococcus xanthus muestra que la transformación en espora depende de desmontar la pared celular de forma gradual y coordinada.
Más del mismo autor
Ver masEl clima puede cambiar el mapa de plagas en bosques de Norteamérica
Un estudio proyecta que, si las emisiones siguen altas, más del 80% de los bosques analizados en Norteamérica podría enfrentar mayor presión de plagas y enfermedades hacia mediados de siglo.
Las suricatas pueden volver solas a su grupo tras ser desplazadas
Un experimento de campo halló que 18 de 20 suricatas desplazadas a 1,5 kilómetros regresaron de forma dirigida, sin seguir a otros miembros de su grupo.
Un material seco podría extender el uso de ecografías portátiles sin gel
Una interfaz elástica y seca transmitió ultrasonido durante días en pruebas de laboratorio y siguió el flujo sanguíneo durante un paseo en bicicleta.