Tu cara como análisis clínico: la IA resucita la fisiognomía, esta vez con algo de ciencia detrás

EL ESTUDIO QUE SE HIZO VIRAL. El 19 de octubre, The Lancet Digital Health publicó un trabajo de investigadores de Mass General Brigham, en Boston. The Guardian lo resumió con un titular que se ha difundido mucho: un selfie puede predecir si sobrevivirás al cáncer. Detrás hay un «modelo fundacional» llamado FAHR-Face. Un modelo fundacional es una IA que primero aprende de una enorme cantidad de datos sin una tarea concreta y después se adapta a usos específicos. FAHR-Face aprendió de más de 40 millones de imágenes de caras. De él salen dos herramientas. FAHR-FaceAge estima la edad biológica, es decir, cuánto ha envejecido de verdad el organismo. FAHR-FaceSurvival estima directamente la probabilidad de sobrevivir.

Las cifras impresionan. Según Scientific American, en un grupo de 3.820 pacientes con cáncer murieron en los 90 días siguientes a la foto 64 de los 122 que el modelo situó en el riesgo más alto: un 52,5%. En el grupo de menor riesgo, 975 pacientes, murió alrededor del 2%. En otra cohorte de más de 38.000 pacientes, quienes aparentaban más edad que la de su DNI tenían más riesgo de morir. Hubo además una comprobación independiente con casi 5.000 pacientes en Países Bajos. Es el paso que da credibilidad a cualquier modelo: probarlo con datos distintos de los que usó para aprender.

No sale de la nada. En mayo de 2025, el mismo grupo presentó FaceAge en la misma revista. Lo entrenó con 58.851 retratos de adultos sanos y lo probó con 6.196 pacientes oncológicos de EE. UU. y Países Bajos. Los pacientes aparentaban de media unos cinco años más de los que tenían. En una prueba, ocho médicos intentaron adivinar qué pacientes terminales morirían en seis meses. Acertaron apenas algo más que por azar. Con el dato de FaceAge mejoraron de forma clara.

Nuestra lectura: es ciencia seria y la frase «el selfie predice si sobrevivirás» la exagera. El modelo no lee el cáncer en la cara. Lee el desgaste general del cuerpo: pérdida de masa muscular, fatiga, mala nutrición o tabaco. Los médicos ya evalúan esto a ojo con escalas como la ECOG, que puntúa de 0 a 5 cuánto limita la enfermedad la vida diaria del paciente. El propio Raymond Mak, autor del estudio, lo admite: «Nos enseñan a entrar en la habitación, mirar al paciente y evaluar». La IA convierte en un número esa impresión subjetiva. Eso es valioso, pero no es magia.

DE LAVATER A LOMBROSO: UNA HISTORIA QUE ACONSEJA PRUDENCIA. La idea de que la cara revela lo que somos tiene 250 años de malos precedentes. Entre 1775 y 1778, el pastor suizo Johann Kaspar Lavater publicó sus «Fragmentos fisiognómicos». Tuvieron un éxito enorme y deducían el carácter moral a partir de la nariz o la frente. En 1876, el médico italiano Cesare Lombroso publicó «El hombre delincuente». Sostenía que había «criminales natos», reconocibles por rasgos físicos «atávicos», es decir, propios de humanos primitivos. Por esos mismos años, Francis Galton superponía fotografías de presos para obtener el «rostro tipo» del criminal. Ninguna de esas ideas sobrevivió a la estadística. Sí sobrevivieron como justificación del racismo científico y de políticas discriminatorias.

El algoritmo ha devuelto la tentación. En 2016, Xiaolin Wu y Xi Zhang, de la Universidad Jiao Tong de Shanghái, publicaron en arXiv, un repositorio de artículos sin revisión por pares, un clasificador que decía distinguir criminales a partir de fotos de 1.856 hombres chinos. En 2017, Blaise Agüera y Arcas, Margaret Mitchell y Alexander Todorov respondieron con un ensayo titulado «Physiognomy's New Clothes» (el traje nuevo de la fisiognomía). Su argumento: ese tipo de modelos puede estar captando diferencias en el origen y el formato de las fotos, y no en las personas. Y la etiqueta «criminal» no mide una cualidad de la persona. Mide quién fue condenado, con todos los sesgos del sistema penal.

EL CASO DEL «GAYDAR» Y LA TRAMPA DE LA ETIQUETA. En 2017, Yilun Wang y Michal Kosinski, de Stanford, afirmaron que una red neuronal acertaba la orientación sexual a partir de fotos de una web de citas. Organizaciones como GLAAD lo calificaron de «ciencia basura» y advirtieron del riesgo de sacar del armario a personas sin su consentimiento. Los críticos señalaron que la muestra solo incluía caras blancas. También que la etiqueta salía de lo que cada usuario decía buscar en la web, que no es lo mismo que la orientación. Los autores se defendieron diciendo que el estudio había pasado revisión por pares y que querían alertar de un riesgo.

En 2019, una réplica de John Leuner (Universidad de Pretoria) con 20.910 fotos obtuvo un 68% de acierto en hombres y un 77% en mujeres. Pero el detalle revelador es otro. Con las imágenes difuminadas, casi irreconocibles, el modelo seguía acertando un 63% y un 72%. Eso sugiere que buena parte de la señal está en el brillo, el color o la forma de presentarse ante la cámara, no en los huesos de la cara. El propio Leuner reconoce que no puede separar cuánto es morfología y cuánto es arreglo personal o estilo de vida.

Nuestra lectura: aquí está la clave de todo el debate. Un modelo puede ser estadísticamente «preciso» y no medir lo que dice medir. Lo que separa la medicina de la fisiognomía no es la potencia del algoritmo. Es la etiqueta. «Murió en 90 días» o «tiene la mutación confirmada por un test genético» son hechos medidos de forma independiente. «Criminal», «gay» o «buen candidato» son categorías sociales. Además, se recogen con datos contaminados por cómo se hizo la foto, quién la subió y con qué intención.

LO QUE LA MÁQUINA SÍ PUEDE LEER. Hay señales con base fisiológica, y algunas ya se usan. Face2Gene, de la empresa FDNA, ayuda a los genetistas a sospechar síndromes raros a partir de los rasgos faciales. En 2019 publicó en Nature Medicine su sistema DeepGestalt, entrenado con más de 17.000 imágenes de 216 síndromes. En una prueba con 502 imágenes, el síndrome correcto aparecía entre sus diez primeras sugerencias en el 91% de los casos. La propia FDNA insiste en que es una ayuda y no un diagnóstico. Tiene sentido: los niños con una enfermedad rara pueden pasar años sin diagnóstico, y una buena pista acorta ese recorrido.

La voz también deja huellas. La enfermedad de Parkinson altera el control de los músculos del habla, y la depresión aplana la entonación. En 2025, un estudio en Annals of Family Medicine evaluó la herramienta de voz de la empresa Kintsugi con 14.898 adultos. Detectó depresión moderada o grave con una sensibilidad del 71,3%: encontró a unos 7 de cada 10 casos. Su especificidad fue del 73,5%: descartó correctamente a unos 7 de cada 10 personas sanas. Pero la referencia fue un cuestionario rellenado por los propios participantes, no el diagnóstico de un médico. Además, varios autores trabajan para la empresa, y ellos mismos califican los resultados de preliminares.

Nuestra lectura: estas señales son reales pero modestas, y casi todas sirven para lo mismo. Sirven para el triaje, es decir, para decidir a quién mirar primero. No sirven para dictar sentencia. Encaja con lo que ya hemos visto en la IA clínica: su valor está en repartir el tiempo del especialista, no en sustituirlo.

LA LETRA PEQUEÑA DE LA ESTADÍSTICA. Hay cinco preguntas que conviene hacer ante cualquier titular de este tipo. La primera es la diversidad de la muestra. Según Scientific American, el modelo de supervivencia se entrenó con pacientes de Boston, en su mayoría blancos. El caso de Face2Gene enseña por qué importa. En un estudio con niños africanos, la herramienta reconocía el síndrome de Down en el 80% de los niños de origen europeo, pero solo en el 36,8% de los africanos. Tras reentrenarla con fotos africanas, llegó al 94,7%. Y la base de datos de referencia GestaltMatcher sigue siendo europea en un 67%.

La segunda pregunta es si hubo validación externa, es decir, prueba en otros hospitales y otras poblaciones. FAHR-Face la tiene en parte, con la cohorte neerlandesa. La tercera es la diferencia entre correlación y causa. El modelo no explica qué biología detecta. Miroslaw Bober, de la Universidad de Surrey, lo ha subrayado. Los autores admiten que el tabaco o el alcohol pueden explicar parte de las predicciones.

La cuarta son los factores de confusión: variables ocultas que mueven a la vez la foto y el resultado. Influyen la iluminación, la cámara, el hospital o el nivel socioeconómico, que afecta tanto a la piel como a la supervivencia. La quinta, y la más olvidada, es el valor clínico real. Las cifras llamativas comparan los extremos: el 52,5% frente al 2%. La mayoría de los pacientes está en medio, donde la señal es más débil. Por eso hace falta lo que piden los expertos externos. Wilbur Lam, de la Universidad Emory, reclama ensayos prospectivos, que sigan a pacientes desde ahora en lugar de analizar datos antiguos. Bober pide una comparación directa con el criterio médico. La pregunta decisiva no es si el modelo acierta. Es si cambia decisiones y mejora resultados.

IMPLICACIONES: EL ROSTRO COMO DATO DE SALUD. El riesgo a corto plazo es concreto. Matthew Liao, del Centro de Bioética de la Universidad de Nueva York, advierte de dos peligros. Uno es que un error deje sin tratamiento a alguien que lo necesita. El otro es que aseguradoras o empleadores usen estas herramientas. Una cara es un dato que no se puede cambiar y que dejamos en redes sociales, cámaras y videollamadas. Si una foto revela edad biológica o riesgo de muerte, se convierte en un dato de salud, y debería protegerse como tal.

Europa ya ha trazado una línea útil. Desde febrero de 2025, el artículo 5.1.f de la Ley de IA de la UE prohíbe deducir emociones a partir de datos biométricos en el trabajo y en la educación, también en los procesos de selección. La excepción son los usos médicos o de seguridad. HireVue, la plataforma de entrevistas en vídeo, abandonó el análisis facial en 2021 tras las críticas, aunque sigue analizando el habla de los candidatos. Nuestra lectura: es el enfoque correcto. Prohibir lo que carece de base científica y exigir pruebas de lo que sí la tiene. Eso es regular la evidencia, no el miedo.

A largo plazo, el horizonte es esperanzador. Una cámara y un micrófono cuestan casi nada y están en todos los bolsillos. Si estos biomarcadores se validan con rigor y en poblaciones diversas, podrían acortar años de búsqueda de un diagnóstico raro. También podrían ayudar a detectar el Parkinson antes, ajustar la dureza de un tratamiento a lo que cada cuerpo aguanta y llevar el triaje a lugares sin especialistas. Es parte de la promesa de una medicina más barata, más precoz y más abundante. La condición es no olvidar a Lombroso: la cara puede contar cómo está tu cuerpo, pero nunca quién eres.