Google desarrolla PhotoScan, herramienta de IA para estimar grasa corporal desde fotos del móvil
Hecho Qué ha ocurrido
Google ha presentado PhotoScan, un prototipo de investigación que utiliza inteligencia artificial para estimar la composición corporal a partir de fotografías tomadas con un smartphone. El modelo fue entrenado con más de 35.000 registros del UK Biobank y alcanzó un error medio de 2,13 puntos porcentuales al estimar grasa corporal, superando a los sensores de bioimpedancia de relojes inteligentes (2,91 puntos). La herramienta también logró detectar resistencia a la insulina con precisión comparable a pruebas DXA mediante análisis de imágenes.
Resumen generado mediante IA a partir de 20minutos Tecnología. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Demuestra que es viable usar IA de visión para análisis médicos no invasivos más accesibles que tecnologías actuales, con potencial para monitoreo frecuente de salud. Para empresas de tecnología y salud, abre oportunidades de productos de bienestar integrados en dispositivos móviles.
- Quién se ve afectado
- Empresas de salud digital, productores de wearables, smartphones y aplicaciones de bienestar; usuarios interesados en monitoreo de composición corporal.
- Qué puede cambiar
- Si se comercializa, podría sustituir dispositivos especializados de medición corporal y reducir la necesidad de pruebas DXA en entornos clínicos, integrando análisis de grasa corporal en apps de salud móviles estándar.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Disponibilidad de lanzamiento público, precisión del modelo en poblaciones más diversas (el entrenamiento incluyó datos limitados), reacciones regulatorias de agencias médicas, adopción por fabricantes de smartwatches y aplicaciones de fitness.
Recomendación Qué debería hacer una empresa
Empresas de wellness y salud digital deberían monitorear los avances de PhotoScan en los próximos 12-18 meses y evaluar posibles integraciones o competencia con productos actuales de medición corporal.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: 20minutos Tecnología. La referencia es siempre el artículo original.
Ver fuente original ↗visión por computadoramodelos de IAprocesamiento de imágenes Google fotogrametría Google salud digital visión por computadora wearables
Relacionadas
Agentes de IA sin tarea en una isla virtual inventan juegos y aprenden habilidades útiles
Investigadores del MIT dejaron 13 agentes de IA llamados Eko, basados en Claude Opus 4.7, durante 30 horas en una isla desértica simulada sin tarea concreta…
Por qué importaSugiere una vía alternativa al entrenamiento dirigido para desarrollar habilidades en agentes, con interés potencial para el control de robots. Para…
La IA reduce a la mitad el tiempo para escribir código, pero una cuarta parte de las contribuciones son de baja calidad
Un informe de la Fundación Linux señala que la IA reduce en un 52% el tiempo de escritura de código. Aun así, el 25% de las solicitudes de incorporación de…
Por qué importaLos equipos de desarrollo ganan velocidad al escribir código, pero el coste de revisión y verificación se traslada a los responsables de calidad, lo…
Microsoft presenta DxO, una IA de diagnóstico que supera a médicos generalistas en su propio test
Microsoft describe Diagnostic Orchestrator (DxO), un sistema basado en GPT-5.5 de OpenAI que formula preguntas, pide pruebas y emite diagnósticos por etapas…
Por qué importaMuestra que la IA puede organizar el razonamiento clínico paso a paso y reducir el gasto en pruebas, aunque las cifras todavía no son una validación…
Microsoft usa la verificación del estado de una base de datos como recompensa para entrenar agentes de IA
Microsoft publicó ThinkingBox-Training, un método que usa como recompensa de aprendizaje por refuerzo la comprobación ejecutable del estado final de la base de…
Por qué importaMuestra una forma concreta de mejorar la fiabilidad de agentes que modifican registros de negocio, un punto crítico para empresas que los quieran…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.