Un estudio internacional ha evaluado un modelo de lenguaje basado en transformadores para clasificar, mediante informes de necropsia, los fallecimientos de gatos de vida libre por traumatismo vehicular frente a otras causas de muerte. El modelo Clinical-Longformer alcanzó una exactitud del 94,6 % sobre un conjunto de prueba de 55 casos.
La clasificación forense de las muertes en felinos de vida libre
Determinar la causa de muerte en gatos de vida libre representa un reto frecuente en la medicina veterinaria forense.
Cuando no se dispone de información contextual sobre el incidente o de datos de la escena del suceso, la diferenciación entre las lesiones provocadas por atropellos vehiculares y las derivadas de violencia intencionada o traumatismos por fuerza contundente puede resultar compleja debido al solapamiento de hallazgos lesionales.
- Los informes de necropsia utilizados en anatomía patológica veterinaria son documentos narrativos no estructurados. Recogen los hallazgos macroscópicos y se complementan en ocasiones con pruebas radiográficas o histopatológicas.
- Esta estructura en texto libre dificulta la revisión sistemática de grandes volúmenes de datos y la identificación automatizada de patrones morfológicos recurrentes.
- Ante este escenario, un equipo de investigadores ha evaluado el potencial de las herramientas de procesamiento del lenguaje natural (NLP) y modelos de lenguaje de gran tamaño (LLM) para clasificar estos registros.
Qué analiza el estudio
El objetivo del trabajo consistió en desarrollar un marco de inteligencia artificial capaz de procesar informes forenses felinos y clasificar la causa de muerte entre traumatismo vehicular y no vehicular.
- Para ello, los investigadores recopilaron un total de 271 informes forenses procedentes de dos instituciones: el programa A Cat Has No Name de la Universidad de Florida (Estados Unidos) y la División de Diagnóstico de Enfermedades Animales de la Agencia de Quarentena Animal y Vegetal (APQA) de la República de Corea.
- Del conjunto global, 111 casos correspondían a traumatismos vehiculares confirmados o compatibles con criterios diagnósticos de impacto mecánico, mientras que 160 casos pertenecían al grupo no vehicular, que incluyó patologías infecciosas, intoxicaciones, caídas y heridas por mordedura.
Para el entrenamiento y evaluación de los algoritmos de clasificación, se empleó exclusivamente el texto descriptivo de la sección de diagnósticos macroscópicos de cada necropsia.
El análisis léxico identifica patrones diferenciados
Antes del entrenamiento de los modelos del lenguaje, los investigadores aplicaron un análisis de frecuencia de término-frecuencia inversa de documento (TF-IDF) sobre los textos.
Esta técnica estadística permitió identificar los términos con mayor capacidad discriminatoria en los informes.
- En los diagnósticos macroscópicos de los casos de atropello, destacaron términos como «fracture», «skull», «laceration», «claw», «rib» y «bone».
- En contraposición, en el grupo de causas no vehiculares aparecieron de forma predominante palabras como «wound», «flea», «intestine», «effusion» e «hyperaemia».
Los autores señalan que esta distribución confirma que las descripciones patológicas presentan patrones léxicos consistentes y estrechamente ligados a la etiología de la lesión.
Clinical-Longformer alcanza una exactitud del 94,6 % en la prueba
Para la tarea de clasificación binaria se seleccionó Clinical-Longformer, un modelo basado en arquitectura de transformadores adaptado al ámbito clínico.
- El conjunto total de datos se dividió en una proporción 60:20:20 para entrenamiento, validación y prueba, respectivamente.
- El conjunto de prueba independiente estuvo formado por 55 casos (23 de traumatismo vehicular y 32 no vehiculares).
- Tras el proceso de ajuste de hiperparámetros, el modelo evaluado sobre este conjunto obtuvo una exactitud (accuracy) de 0,946, una precisión de 0,885, una sensibilidad (recall) de 1,000 y una puntuación F1 de 0,939.
- El área bajo la curva ROC (AUC-ROC) fue de 0,950.
La matriz de confusión reflejó cero falsos negativos y tres falsos positivos.
Los tres casos incorrectamente clasificados por el modelo como atropello pertenecían en realidad al grupo no vehicular, y los tres compartían la presencia de traumatismos severos por fuerza contundente.
La interpretación del algoritmo señala las lesiones traumáticas
Con el propósito de evaluar la explicabilidad del modelo, se empleó el método de gradientes integrados (Integrated Gradients).
Esta herramienta de atribución permite identificar los fragmentos de texto (tokens) que ejercen mayor peso en la decisión final del algoritmo.
- En los casos de atropello correctamente clasificados, los tokens con mayor influencia positiva estuvieron directamente vinculados con daño físico estructural, como «fracture», «injury», «trauma», «laceration», «spinal» y «skull».
- Aunque el término «fracture» también apareció como relevante en casos no vehiculares, los gradientes integrados mostraron que la atribución depende del contexto sintáctico y de las palabras concomitantes en el diagnóstico.
En los tres falsos positivos, la presencia de fracturas e inflamación agudizada en zonas craneales o apendiculares elevó la probabilidad asignada por la red neuronal por encima de 0,92.
Limitaciones detectadas en la evaluación inicial
Los autores describen diversas limitaciones metodológicas en el estudio.
- En primer lugar, la fragmentación de palabras en tokens propia de este tipo de modelos de lenguaje puede generar fragmentos subpalabra que dificultan la interpretación directa sin supervisión especializada.
- Por ejemplo, la herramienta de explicabilidad identificó elementos como «age» o «hemorrh» (derivado de haemorrhage).
- En segundo lugar, la muestra utilizada procede de dos instituciones específicas con sistemas de registro estandarizados, por lo que el volumen de datos es relativamente acotado y requiere validación externa en bases de datos multicéntricas más amplias.
Asimismo, la variabilidad del traumatismo contuso en felinos implica que diferentes etiologías (como caídas o agresión por otros animales) compartan patrones de fractura complejos que el algoritmo no siempre logra diferenciar de un impacto vehicular.
Implicaciones para la investigación forense veterinaria
El trabajo concluye que la integración de modelos de lenguaje de gran tamaño junto con herramientas de explicabilidad ofrece un marco viable para auxiliar en la sistematización de diagnósticos forenses.
- Los autores enfatizan que esta tecnología no está diseñada para reemplazar el juicio clínico o anatomopatológico del veterinario forense, sino para actuar como un sistema secundario de apoyo a la decisión.
Entre sus aplicaciones potenciales se plantea la revisión de grandes volúmenes de informes históricos, el triaje preliminar de casos complejos y la auditoría de calidad diagnóstica en centros veterinarios y laboratorios de referencia.
