Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

Durante décadas, la evaluación del interés sexual hacia los niños ha dependido en gran medida de lo que las personas dicen. Clínicos y expertos forenses dependen de entrevistas, historiales de autoinforme y la disposición de los individuos para admitir pensamientos o acciones que saben que son socialmente inaceptables o legalmente peligrosas. Sin embargo, la propia naturaleza del tema —la vergüenza, el miedo a las consecuencias y el deseo de protegerse a uno mismo— a menudo conduce a respuestas incompletas o deshonestas. Esto crea una brecha significativa en la comprensión, particularmente en entornos legales y de tratamiento donde hay mucho en juego. Para cerrar esta brecha, los investigadores han buscado durante mucho tiempo formas indirectas de medir la atracción, buscando señales fisiológicas o conductuales que puedan eludir el control consciente. Una de esas vías es el seguimiento ocular (eye tracking), una tecnología que registra exactamente hacia dónde mira una persona y durante cuánto tiempo. La idea subyacente es simple: hacia donde van los ojos, el pensamiento suele seguir, y estos patrones podrían revelar preferencias que una persona intenta ocultar.

Un nuevo estudio de Alemania lleva este concepto un paso más allá combinando los datos de seguimiento ocular con un análisis computacional avanzado. Los investigadores se propusieron ver si podían distinguir entre hombres con un interés sexual documentado en niños prepúberes y aquellos sin dicho interés, utilizando únicamente la forma en que sus ojos se movían a través de una pantalla. No pidieron a los participantes que describieran sus sentimientos o calificaran imágenes. En su lugar, observaron cómo reaccionaban los ojos de los participantes ante imágenes de adultos y niños mientras realizaban tareas específicas. El objetivo era ver si una máquina podía aprender a detectar las sutiles y automáticas diferencias en la mirada que separan a estos dos grupos, ofreciendo una herramienta potencial para apoyar el juicio clínico en situaciones de alto riesgo.

El estudio involucró a 124 hombres adultos reclutados en cinco ubicaciones diferentes en toda Alemania. El grupo se dividió en dos categorías principales: 34 hombres con un diagnóstico documentado de pedofilia, muchos de los cuales eran pacientes forenses con un historial de delitos contra niños, y 90 hombres que no tenían este diagnóstico. Este grupo de control incluyó voluntarios sanos, así como algunos individuos que habían cometido otros tipos de delitos, pero no delitos sexuales contra niños. Para probar sus ojos, los participantes se sentaron frente a una pantalla y completaron tres tareas diferentes. En la primera tarea, se les mostró dos imágenes una al lado de la otra —una de un adulto y otra de un niño del mismo género— y se les pidió que decidieran cuál de los dos les resultaba más atractivo. En la segunda tarea, tenían que resolver acertijos mentales que implicaban la rotación de formas 3D, pero mientras lo hacían, imágenes de adultos o niños aparecían rápidamente en la pantalla como distracciones. La tercera tarea consistía simplemente en calificar qué tan excitantes o agradables eran diversas imágenes. A lo largo de estos ejercicios, una cámara de alta velocidad registró cada movimiento de sus ojos, anotando exactamente hacia dónde miraban, cuánto tiempo permanecían allí y con qué rapidez cambiaba su mirada.

Posteriormente, los investigadores introdujeron esta enorme cantidad de datos visuales en un sistema de aprendizaje automático (machine learning). Este programa informático fue diseñado para encontrar patrones complejos que los observadores humanos podrían pasar por alto. Analizó miles de detalles minúsculos, como cuánto tiempo miraba una persona a la cabeza o al abdomen de un niño frente a un adulto, qué tan rápido se movían sus ojos hacia una imagen distractora y cómo cambiaba su atención entre un acertijo y una imagen. El sistema fue entrenado para distinguir entre los dos grupos basándose únicamente en estos movimientos oculares. Los resultados fueron sorprendentes. Cuando la computadora analizó los datos de la tarea de orientación inicial y la tarea de distracción conjuntamente, identificó correctamente si un hombre tenía un interés pedofílico documentado o no con un alto grado de precisión. Específicamente, el modelo clasificó correctamente alrededor del 88 por ciento de los casos en total. Fue particularmente bueno identificando a los hombres que no tenían el interés, etiquetándolos correctamente como negativos en casi todos los casos cuando se probó en un grupo separado de voluntarios sanos.

Lo que hizo posibles estos resultados no fue solo observar un único comportamiento, sino combinar muchas señales pequeñas. El estudio encontró que los hombres con un interés pedofílico tendían a mirar imágenes de niños con mayor frecuencia y durante períodos más largos que los otros hombres, incluso cuando intentaban concentrarse en una tarea diferente. También mostraron un patrón de atención distinto cuando los niños aparecían como distracciones, mirando a menudo hacia ellos antes y por más tiempo que el grupo de control, lo que sugiere una capacidad más débil para ignorar estímulos sexualmente relevantes. En contraste, los hombres sin este interés preferían consistentemente mirar imágenes de adultos y eran mejores ignorando las imágenes de niños para concentrarse en sus acertijos. Curiosamente, la computadora no necesitó utilizar todos los datos recolectados. Incluso cuando los investigadores redujeron el modelo a solo un puñado de las características de movimiento ocular más importantes, la precisión se mantuvo muy alta. Esto sugiere que la señal es robusta y no depende de una red compleja de variables.

El estudio también examinó si estos patrones oculares cambiaban dependiendo del trasfondo de los participantes. Los investigadores observaron a hombres que habían cometido delitos contra niños frente a los que no, hombres que estaban actualmente en prisión frente a los que estaban en libertad, y hombres que admitían tener estos pensamientos frente a aquellos que los negaban. El modelo de aprendizaje automático funcionó de manera consistente en casi todos estos diferentes subgrupos. Fue capaz de detectar los mismos patrones de movimiento ocular independientemente de si el hombre era un paciente forense o un voluntario sano, o si admitía abiertamente sus intereses o intentaba negarlos. Esta consistencia es significativa porque sugiere que el método de seguimiento ocular captura un aspecto fundamental del interés sexual que persiste incluso cuando una persona intenta ocultarlo. Las únicas excepciones fueron en grupos muy pequeños con historiales de delitos específicos, donde el tamaño de la muestra era demasiado pequeño para extraer conclusiones firmes.

Sin embargo, los investigadores son cuidadosos al establecer qué es y qué no es esta tecnología. Enfatizan que esto no es una herramienta de diagnóstico que pueda reemplazar una entrevista clínica o un juicio legal. El estudio fue una prueba de concepto, demostrando que los datos de seguimiento ocular pueden utilizarse para clasificar individuos en un entorno de investigación con alta precisión. Los autores señalan que los falsos positivos —etiquetar incorrectamente a una persona inocente como alguien con interés pedofílico— podrían tener consecuencias graves, por lo que el método requiere más pruebas en grupos más grandes y diversos antes de que pudiera utilizarse jamás en decisiones clínicas o legales del mundo real. También señalan que el estudio no probó que los movimientos oculares causen conductas delictivas, sino que se correlacionan con un diagnóstico documentado. El impacto emocional de las tareas también fue monitoreado, y aunque las puntuaciones de la computadora se vincularon con cambios en sentimientos como la ira o la tristeza, el estudio no encontró que los estados emocionales de los participantes antes de la prueba predijeran los resultados.

En última instancia, este trabajo ofrece un vistazo a un futuro donde la evaluación del interés sexual podría depender menos de lo que la gente dice y más de lo que sus ojos hacen. Al combinar tareas visuales simples con un poderoso análisis computacional, los investigadores demostraron que es posible detectar patrones de atención distintos que diferencian a los hombres con un interés sexual en niños de aquellos que no lo tienen. Si bien la tecnología aún no está lista para la sala de justicia o la clínica, los hallazgos sugieren que los ojos pueden contener la clave para comprender un aspecto oculto del comportamiento humano que ha sido difícil de medir durante mucho tiempo. El estudio concluye que, con una validación adicional, estos métodos podrían convertirse en parte de una nueva generación de herramientas que sean más difíciles de engañar, más precisas en sus evaluaciones y potencialmente transformadoras para la forma en que la sociedad aborda la prevención y el tratamiento.