IA

Shaped: ¿qué información puede producir una imagen del cuerpo?

La presentación de escaneamiento corporal de Shaped en fswk.rio abre una discusión sobre captura de imágenes, estimaciones, comparación y resultados.

Cartel de Shaped sobre modelos de IA y parámetros de salud en fswk.rio
Presentación de Shaped fotografiada en fswk.rio el 13 de noviembre de 2026. · Crédito: Ernani Nascimento Filho

En el estand de Shaped durante fswk.rio, el 13 de noviembre de 2026, fotografié una propuesta que relaciona imágenes, datos y evaluación corporal. El cartel presenta modelos propios de inteligencia artificial para estimar parámetros de salud; la demostración visual incluía un flujo de escaneamiento corporal con el teléfono.

Este tipo de interfaz concentra muchas cosas en un gesto aparentemente sencillo: posicionar el cuerpo y producir imágenes. Para quienes desarrollamos software, conviene abrir esa secuencia y comprender las entradas, las transformaciones y la presentación del resultado. Mi visita documentó la propuesta; no incluyó un estudio de precisión de la herramienta.

Cartel de Shaped sobre imágenes, datos y modelos de inteligencia artificial Material de presentación de Shaped. Foto: Ernani Nascimento Filho.

La captura ya forma parte del modelo de uso

Una aplicación basada en imágenes necesita orientar la producción de la entrada esperada. Al diseñar un producto así, comenzaría por aclarar posición de cámara, encuadre y condiciones de captura aceptadas. El objetivo sería reducir la distancia entre la imagen esperada por el sistema y la que alguien puede producir en casa.

Pensemos en un ejemplo hipotético: la misma persona hace dos capturas con posiciones distintas del teléfono. Antes de interpretar la diferencia de resultados como un cambio corporal, habría que comprender si las imágenes son comparables para esa herramienta.

Esto sugiere una interfaz que compruebe la calidad y explique cuándo repetir la captura. El mensaje debería señalar un problema corregible, como encuadre incompleto, en vez de limitarse a “imagen inválida”. El usuario necesita saber cómo continuar.

De lo visible a lo estimado

Quisiera encontrar una distinción clara entre información aportada por la persona, características extraídas de la imagen y parámetros estimados por el modelo. Estos elementos pueden aparecer juntos, pero tienen orígenes diferentes.

Si un informe presenta una estimación, debe explicar su finalidad y las condiciones de uso. Un número con decimales no explica por sí solo la incertidumbre. La interfaz necesita comunicar el significado del indicador sin obligar al usuario a adivinar el método.

La misma atención corresponde a las comparaciones a lo largo del tiempo. Un cambio de versión del modelo puede alterar el cálculo. Conservar versión y condiciones de captura ayuda a investigar diferencias, especialmente cuando se consulta un historial de evaluaciones.

Qué haría convincente una evaluación

Los principios de buenas prácticas de aprendizaje automático presentados por la FDA abordan la evaluación a lo largo del ciclo de vida. El documento incluye representatividad de datos y separación entre entrenamiento y prueba. Esta referencia no equivale a una aprobación de Shaped.

Al analizar una herramienta específica, preguntaría qué resultado se comparó con qué referencia. También examinaría quién participó y qué condiciones quedaron fuera. Esto ayuda a reconocer el alcance de la evidencia sin exigir que una solución prometa funcionar en cualquier situación.

Un estudio puede responder bien a una pregunta delimitada y dejar otras abiertas. La documentación del producto debería permitir esa lectura. Un resultado es más útil cuando viene acompañado del contexto en que se obtuvo.

La experiencia con el propio cuerpo requiere cuidado

Cada gráfico y clasificación implica decisiones de lenguaje. Como propuesta de diseño, evitaría presentar cambios sin explicar su significado o crear una experiencia basada únicamente en comparaciones entre personas. El seguimiento debería considerar la finalidad acordada con los profesionales involucrados.

La persona también necesita comprender el destino de las imágenes. ¿Quién puede verlas? ¿Durante cuánto tiempo? ¿Existe diferencia entre guardar una fotografía y guardar un indicador extraído de ella? Son preguntas que llevaría a la implantación y que merecen respuestas accesibles en la interfaz.

Para ilustrar este artículo prioricé el cartel entre mis registros del evento. Discutir la tecnología no exige exponer un informe individual visible sobre una mesa ni suponer que sus datos son ficticios.

Un recorrido de prueba para el producto

Comenzaría con una evaluación de uso basada en casos autorizados y una finalidad definida. Observaría comprensión de instrucciones, repeticiones de captura y capacidad de interpretar resultados. La evaluación de precisión quedaría vinculada al método apropiado y al equipo cualificado.

Después seguiría cómo responde el soporte a un resultado cuestionado. ¿La persona puede impugnarlo? ¿El equipo encuentra la entrada y la versión del procesamiento? ¿Existe una forma de explicar o corregir el registro? Ese recorrido de revisión también forma parte de la calidad.

La propuesta de Shaped me interesa porque hace visible la relación entre imagen e información. Un buen producto necesita mantenerla comprensible: mostrar qué recibió, qué estimó y en qué condiciones interpretar el resultado. Esa claridad ofrece a usuarios y profesionales una mejor base para decidir cómo utilizar la herramienta.

Fuentes y lecturas

EN

Ernani Nascimento

Desarrollador, emprendedor y administrador de empresas. Creo sistemas y comparto lo que aprendo en el camino.

Conoce al autor ↗

Sigue explorando.

DE LA IDEA A LA PRÁCTICA

¿Tienes algo en mente?
Vamos a construirlo.

Conversemos ↗