🌿 ecology

COLLEMBOT: AI-Based Counting of Collembola for OECD 232 Tests

El artículo presenta COLLEMBOT, una herramienta de conteo automatizada basada en IA que utiliza YOLOv11 y que reduce significativamente el tiempo y la mano de obra requeridos para las pruebas de toxicidad del suelo OECD 232, manteniendo al mismo tiempo una alta precisión y confiabilidad regulatoria en comparación con el conteo manual.

Autores originales: Wehrli, M., Meyer, A. F., Souza da Silva, E., van Loon, S., van Hall, B. G., van Gestel, C. A. M., Natal-da-Luz, T., Doering, M. V. R., Feldhaar, H., Mair, M., Jordan, D., Langer, M.

Publicado 2026-01-20

📖 3 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Wehrli, M., Meyer, A. F., Souza da Silva, E., van Loon, S., van Hall, B. G., van Gestel, C. A. M., Natal-da-Luz, T., Doering, M. V. R., Feldhaar, H., Mair, M., Jordan, D., Langer, M.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina que eres un científico intentando comprobar si un nuevo producto químico es seguro para el suelo. Para hacerlo, necesitas contar miles de diminutos insectos con un mecanismo de resorte llamados Collembola (específicamente Folsomia candida). Estos insectos son como los "canarios en la mina" para la salud del suelo; si sobreviven a una prueba química, es probable que el suelo sea seguro para otras formas de vida.

Durante décadas, los científicos han tenido que realizar este conteo a mano. Es como intentar contar cada grano de arena en una playa mientras usas guantes gruesos. Toma una eternidad, es agotador y, debido a que los humanos se cansan, a veces cometen errores o cuentan de manera diferente a la persona que está al lado. Este proceso lento y propenso a errores significa que no tenemos suficientes datos para tomar buenas decisiones sobre la seguridad química.

Presentamos a COLLEMBOT.

Piensa en COLLEMBOT como un asistente digital superpotente e incansable que actúa como un ojo de águila altamente entrenado. En lugar de un humano entrecerrando los ojos ante una placa de Petri, esta herramienta utiliza un tipo especial de inteligencia artificial (llamada red neuronal YOLOv11) para "ver" a los insectos en las fotos.

Así es como funciona en términos sencillos:

El Entrenamiento: La IA no solo adivinó. Fue enseñada observando más de 3,200 fotos de alta calidad de estos insectos tomadas en cinco países diferentes (desde los Países Bajos hasta Dinamarca). Aprendió a reconocer a los insectos ya fuera que estuvieran en mezclas de suelo estándar o en diferentes tipos de tierra.
La Prueba: Los científicos probaron este asistente digital contra humanos reales. Los resultados fueron como comparar dos gemelos idénticos: los conteos de la IA coincidieron casi perfectamente con los conteos humanos (con una puntuación de coincidencia de entre el 88% y el 99%). Cuando utilizaron los números de la IA para calcular si un químico era dañino, los resultados fueron casi idénticos a los cálculos humanos.
El Impulso de Velocidad: Aquí es donde ocurre la magia. Imagina una tarea que le toma a un equipo humano unas 137 horas (casi dos semanas completas de trabajo ininterrumpido) terminar. COLLEMBOT puede hacer exactamente el mismo trabajo en menos de 3 horas. Eso es un ahorro de tiempo del 97%. Es la diferencia entre caminar a través de un país y tomar un tren bala.

La Conclusión
COLLEMBOT no cambia las reglas del juego; simplemente juega el juego mucho más rápido y de manera más consistente. Al automatizar el conteo, elimina la fatiga y el sesgo humano, permitiendo que los científicos generen mucha más información sobre la seguridad del suelo. Los creadores incluso han hecho pública la "receta" (el código), para que cualquiera pueda usarla para ayudar a proteger nuestros ecosistemas.

Nota: Esta herramienta está diseñada específicamente para contar estos insectos del suelo particulares en pruebas de seguridad química. El artículo no afirma que pueda usarse para diagnósticos médicos, para contar otros tipos de animales o para predecir escenarios climáticos futuros.

Resumen Técnico: COLLEMBOT – Conteo de Collembola basado en IA para pruebas OECD 232

Planteamiento del problema
La evaluación de los riesgos químicos en los ecosistemas terrestres depende en gran medida de las pruebas ecotoxicológicas utilizando organismos del suelo, específicamente el colémbolo Folsomia candida bajo las directrices de la prueba de reproducción OECD 232 de la Organización para la Cooperación y el Desarrollo Económicos. Actualmente, estos protocolos dependen del conteo manual de juveniles y adultos de Collembola. Este enfoque tradicional presenta cuellos de botella significativos: es costoso, requiere mucha mano de obra y consume mucho tiempo. Además, el conteo manual es propenso al sesgo del operador, lo que restringe la disponibilidad de datos y dificulta la robustez de las evaluaciones de riesgo.

Metodología
Para abordar estas limitaciones, los autores desarrollaron COLLEMBOT, una herramienta de conteo automatizada diseñada para integrarse perfectamente en los flujos de trabajo existentes de la OECD sin requerir modificaciones al protocolo estándar. El núcleo del sistema es una red neuronal convolucional YOLOv11.

Datos de entrenamiento: El modelo fue entrenado con un conjunto de datos de 3,207 imágenes de alta resolución.
Validación: El sistema fue rigurosamente validado utilizando 22 conjuntos de datos independientes que comprenden 1,704 imágenes. Estos conjuntos de datos fueron obtenidos de cinco laboratorios distintos en Europa: Ámsterdam (Países Bajos), Basilea (Suiza), Bayreuth (Alemania), Coímbra (Portugal) y Aarhus (Dinamarca).
Condiciones experimentales: La validación cubrió suelos estándar relevantes, incluyendo suelos artificiales de la OECD con concentraciones variables de turba de sphagnum (2.5%, 5% y 10%) y suelo LUFA 2.2, centrándose en la detección de Folsomia candida.

Resultos clave
El rendimiento de COLLEMBOT fue evaluado frente a los conteos manuales a través de varias métricas:

Precisión de conteo: Los conteos automatizados demostraron una fuerte concordancia con los conteos manuales, logrando valores de coeficiente de determinación ( $R^2$ ) que oscilan entre 0.88 y 0.99.
Relevancia toxicológica: Las curvas de dosis-respuesta derivadas de los conteos automatizados se superponen fuertemente con las de los conteos manuales. Las concentraciones de efecto (valores EC) mostraron una desviación mínima, con una diferencia porcentual mediana ( $\% \Delta$ ) de 6.2 ± 23. La correlación para los valores EC10 a EC90 arrojó un $R^2 \geq 0.977$ . Estos resultados indican que el método automatizado se mantiene dentro de los límites aceptables para la evaluación de riesgos regulatorios.
Ganancias de eficiencia: La mejora operativa más significativa fue en el tiempo de procesamiento. Una prueba que involucraba aproximadamente 300 imágenes y hasta 1,500 individuos por imagen fue procesada en menos de 3 horas. En contraste, el conteo manual para el mismo volumen requirió aproximadamente 137 horas, lo que representa una reducción del 97% en el tiempo de mano de obra.

Significancia y Reivindicaciones
El artículo posiciona a COLLEMBOT como una herramienta crítica para la modernización de las pruebas ecotoxicológicas. Al reducir significativamente los requisitos de mano de obra y mejorar la reproducibilidad, el sistema permite la generación de datos de peligro más amplios para Collembola. Los autores afirman que este avance apoya directamente evaluaciones de riesgo químico más robustas y basadas en la ciencia.

Para facilitar la adopción y fomentar el desarrollo impulsado por la comunidad, los autores han puesto el código y el flujo de trabajo a disposición del público. El estudio concluye que COLLEMBOT supera con éxito las limitaciones del conteo manual manteniendo al mismo tiempo la integridad requerida para el cumplimiento regulatorio.

Más como este