Hay una tarea en el laboratorio de microbiología que casi nadie reivindica y que, sin embargo, sostiene buena parte del resultado: contar colonias en una placa. Decenas, a veces cientos de puntos sobre el agar, que un técnico cuenta a ojo —muchas veces marcando con fibra el dorso de la placa— al final de una jornada en la que ya contó otras veinte. Es un examen que esa persona rinde todos los días, sin que nadie le avise que lo está rindiendo. Y como todo examen tomado contra el cansancio, la nota varía.

Lo mecánico no es trivial: es donde se filtra el error

El recuento en placa es la base de una enorme cantidad de decisiones de calidad. El recuento total de aerobios mesófilos —el clásico Total Plate Count— está normado a nivel internacional por ISO 4833, que fija incluso el rango de colonias que una placa debe tener para ser contable: entre 15 y 300 colonias en la técnica de vertido. Por debajo no hay estadística suficiente; por encima, las colonias se solapan y el conteo se vuelve un cálculo a ojo. Es decir: la propia norma reconoce que contar es difícil y acota el problema para que el humano tenga chance de hacerlo bien. Pero acotar no es resolver. En el medio sigue habiendo una persona, una placa y una lupa.

El problema no es la falta de profesionalismo del técnico. Es que la tarea, por su naturaleza, es repetitiva, fatigante y subjetiva. Distinguir dos colonias pegadas de una sola, decidir si ese punto al borde cuenta o no, no perder la cuenta en la colonia número ochenta y siete mientras suena el teléfono: nada de eso escala bien con el cansancio. Y cuando el criterio depende del operador, el resultado depende del operador.

Cuánto varía un conteo según quién lo haga

Esto no es una intuición: está medido. En estudios sobre recuento manual de unidades formadoras de colonias, la variabilidad entre observadores es alta y la variabilidad de un mismo observador consigo mismo tampoco es despreciable. Trabajos sobre ensayos de CFU reportan coeficientes de variación intra-observador del orden del 8 al 40 por ciento, e inter-observador que trepan del 22 al 80 por ciento; para recuentos totales se han informado coeficientes de variación promedio cercanos al 47 por ciento, y para tipos de colonia específicos los valores llegan al 100 por ciento. Traducido: dos profesionales calificados, mirando la misma placa, pueden reportar números marcadamente distintos. Y el mismo profesional, en dos momentos distintos, también.

“El recuento manual es eficaz a pequeña escala, pero es lento, subjetivo y propenso a la variabilidad entre operadores. El paso de scoring es el que más explica las diferencias en los números reportados.”

Esa dispersión no es un detalle académico. En un contexto de control de calidad de alimentos, de aguas o de productos farmacéuticos, un recuento es lo que decide si un lote se libera o se retiene, si un proceso está bajo control o se disparó. Una variabilidad del 50 por ciento en el número de partida es ruido que se propaga hacia decisiones que se toman como si el número fuera firme. La subjetividad del conteo es, en los hechos, una fuente de incertidumbre que rara vez aparece en el informe final.

Qué hace la visión por IA, y qué velocidad cambia

Acá es donde el análisis de imagen entra a jugar. Una cámara de buena resolución, iluminación controlada y un modelo de visión por computadora entrenado para reconocer colonias hacen, en segundos, el barrido que a una persona le lleva minutos y desgaste. Los sistemas modernos basados en aprendizaje profundo —redes convolucionales, segmentación, detectores tipo YOLO— reportan exactitudes medias por encima del 90 por ciento frente al conteo manual, con recuperaciones que en algunos pipelines superan el 97 por ciento, y resuelven razonablemente los casos difíciles: colonias solapadas, ocluidas, al borde de la placa. Y, a diferencia del humano, el sistema no se cansa: la colonia número ochenta y siete recibe la misma atención que la primera.

Hay tres cosas que la máquina aporta y que el conteo a ojo no puede dar de forma sostenida. La primera es velocidad: lo mecánico se resuelve en segundos, no en minutos. La segunda es consistencia: el mismo criterio aplicado a todas las placas, todo el día, sin la deriva del cansancio —los sistemas automáticos repiten el conteo de una misma placa con diferencias del orden del 1 al 2 por ciento—. La tercera, menos obvia y más importante para nosotros, es la trazabilidad: la imagen queda guardada, el conteo queda asociado a esa imagen, y todo eso queda fechado. El número deja de ser un dato que alguien anotó a mano para pasar a ser una medición con su evidencia adjunta.

La máquina cuenta; la persona valida. Y queda registrado quién

Conviene ser explícitos sobre lo que el análisis de imagen no hace, porque ahí se juega la confianza del laboratorio. El sistema no libera un lote, no descarta una muestra, no firma un informe. Cuenta y pre-clasifica: propone un número, marca cada colonia que detectó, separa morfologías. Es una propuesta, no un veredicto. El esquema correcto es el de humano en el bucle —human-in-the-loop—: el modelo hace el trabajo mecánico y el profesional revisa el resultado sobre la imagen, ajusta lo que el modelo contó de más o de menos, valida y recién entonces el resultado vale. Esa lógica —el sistema pre-pantalla y marca lo dudoso, el especialista corrige y la corrección puede incluso realimentar al modelo— es la misma que se usa en imagen médica y en microscopía, y por buenas razones.

Hay una razón técnica para no soltarle la mano al modelo: el rendimiento cae cuando se lo aplica a fuentes nuevas —otro medio de cultivo, otra iluminación, otra cámara, un microorganismo que no vio en el entrenamiento—. Un modelo entrenado en un set puede contar peor en otro contexto sin avisar. La revisión profesional no es burocracia: es la red que atrapa ese tipo de error justo donde la máquina es más frágil. La automatización sirve para lo repetible; el caso raro sigue necesitando criterio.

Y está la dimensión regulatoria, que para un laboratorio de calidad no es opcional. Cuando un conteo automatizado alimenta una decisión de liberación, importa tanto el número como la integridad del dato: quién validó, sobre qué imagen, en qué momento, qué se cambió respecto de lo que propuso el sistema. Un conteo sin registro de quién lo aprobó es un número huérfano. Un conteo con su imagen, su versión propuesta, su corrección y la firma del responsable es evidencia. La diferencia entre una cosa y la otra es exactamente lo que una auditoría va a buscar.

Liberar a la persona de lo mecánico para que aplique criterio

El punto de todo esto no es reemplazar al técnico. Es sacarle de encima la parte de su trabajo que es pura mecánica —contar puntos, marcar con fibra, no perder la cuenta— para devolverle tiempo y atención sobre la parte que sí requiere su formación: interpretar una morfología atípica, decidir frente a un resultado borderline, conectar ese recuento con el resto del cuadro de la muestra. El cansancio que hoy se gasta en contar es cansancio que no se invierte en pensar. La IA no compite con el criterio del profesional; compite con la lupa y la fibra.

Cómo lo pensamos en Seere

Para nosotros el análisis de imagen es un sensor más dentro de una idea de fondo que repetimos en todo lo que construimos: la evidencia se captura donde y cuando pasa, y la decisión la toma una persona que queda registrada. El sistema cuenta, pre-clasifica y propone; el profesional revisa esa propuesta sobre la imagen, la corrige si hace falta, y valida. Nunca al revés. La IA no descarta una muestra ni libera un lote por su cuenta: levanta un conteo y lo deja a la vista, con la imagen al lado, para que alguien con criterio resuelva.

Esa persona y esa decisión quedan firmadas, con nombre y hora, asociadas a la muestra, a la placa y a la imagen que las originó. Buscamos que el recuento deje de ser un número anotado a mano que nadie puede reconstruir, y pase a ser una medición con su evidencia y su cadena de validación completa. La IA con la persona en el centro no es un eslogan: es el orden concreto de las operaciones —máquina propone, humano dispone, sistema registra—. Lo mecánico para la máquina; el criterio, y la responsabilidad, para quien siempre los tuvo.