¿Puede la IA detectar ciertas enfermedades al observar imágenes de rostros ?

Los sistemas de IA actuales pueden extraer señales sugerentes de fotografías faciales —cambios en la textura, asimetría, pigmentación y hinchazón sutil— que se correlacionan con ciertos trastornos metabólicos, cardíacos y endocrinos, pero estas señales no son específicas de una enfermedad y a menudo se superponen con variaciones normales u otras condiciones. Grupos de investigación han reportado modestas precisiones (generalmente 60–80 % AUC) para detectar enfermedades como diabetes, enfermedad renal crónica o enfermedad de las arterias coronarias, basándose en grandes conjuntos de datos y modelos de aprendizaje profundo entrenados con decenas de miles de imágenes etiquetadas. Debido a que los biomarcadores faciales son indirectos y están influenciados por la edad, el sexo, la iluminación y la etnia, la tecnología sigue siendo experimental y no está aprobada para diagnóstico clínico. Actualmente se utiliza principalmente en entornos de investigación y como herramienta de detección complementaria en lugar de un estándar diagnóstico.

— Enriched 13 de mayo de 2026 · Fuente: Nature Medicine

Background

Artificial-intelligence systems can extract suggestive facial cues—texture changes, asymmetry, pigmentation shifts and subtle swelling—that correlate with metabolic, cardiac and endocrine disorders, but these biomarkers overlap with normal variation and other conditions. Reported accuracies for diseases such as diabetes, chronic kidney disease and coronary artery disease typically range from 60 % to 80 % AUC, relying on large labeled datasets and deep-learning models trained on tens of thousands of images.

Facial phenotyping has been explored as a non-invasive, low-cost screening approach for genetic and neurodegenerative disorders. Convolutional neural networks have improved detection of conditions such as Down syndrome, DiGeorge syndrome, Parkinson’s disease and Alzheimer’s disease in research settings. However, facial traits are heavily influenced by age, sex, lighting and ethnicity, and published results remain investigational; the technique is not approved for clinical diagnosis and is currently used mainly in research and as an adjunctive screening tool rather than a diagnostic standard.

Sources: Nature Medicine; National Institutes of Health (enriched May 13, 2026).