Cómo la IA evalúa las fotos
Un recorrido en lenguaje sencillo por el proceso tecnológico — diseñado para la transparencia, la privacidad y la precisión.
Paso a paso del análisis
Recepción de la imagen
Tu imagen se sube directamente a un servidor cifrado mediante TLS 1.3. Nunca se reenvía a una API de terceros, a un servicio de análisis de imágenes en la nube ni a un revisor humano. La imagen existe únicamente en memoria durante el tiempo que dura el análisis.
Modelo de análisis visual local
Un modelo de análisis visual especializado se ejecuta por completo en nuestros servidores privados de cómputo. Este modelo fue entrenado con miles de imágenes etiquetadas clínicamente para evaluar atributos físicos siguiendo convenciones de medición estandarizadas.
Resultado estructurado
El modelo produce un objeto JSON estructurado: un conjunto de puntuaciones numéricas y etiquetas categóricas para cada atributo. No se incluye ningún dato de la imagen original. Este resultado estructurado es anónimo y no contiene ninguna información de identificación personal.
Generación del informe
Los datos estructurados se transfieren a un modelo de lenguaje para generar un informe escrito personalizado. Lo fundamental es que el modelo de lenguaje solo ve números y etiquetas, nunca tu imagen. El informe sitúa tus resultados en contexto frente a datos poblacionales provenientes de investigaciones revisadas por pares.
Eliminación de la imagen
Una vez finalizado el análisis, tu imagen se elimina de manera permanente de la memoria. No almacenamos las imágenes originales. Solo se conservan tus resultados estructurados y anónimos, y únicamente si decides guardarlos de forma voluntaria.
Cómo está armado por dentro
Qué se evalúa
El modelo evalúa 36 atributos distintos. Las mediciones estimadas se basan en un análisis de proporciones visuales y se calibran frente a nuestra cohorte de referencia de 5,000 imágenes etiquetadas clínicamente. Una muestra de los atributos evaluados:
Cómo medimos la precisión
El modelo fue entrenado con un conjunto de 5,000 imágenes, cada una anotada con 36 atributos por varios revisores que siguieron un protocolo de etiquetado estandarizado. Se midió la fiabilidad entre evaluadores para garantizar la coherencia de las etiquetas antes del entrenamiento.
Las mediciones estimadas (longitud, circunferencia) emplean un enfoque basado en proporciones —no la detección de reglas— calibrado frente a puntos de referencia conocidos en los datos de entrenamiento. La precisión se expresa como un intervalo de confianza, no como una sola cifra.
Transparencia sobre los límites
La estimación visual mediante IA tiene limitaciones inherentes. La precisión de las mediciones depende del ángulo, la iluminación y el encuadre de la imagen. Los informes incluyen rangos de confianza e indican con claridad dónde las estimaciones son aproximadas. No presentamos los resultados de la IA como mediciones de grado médico.
Datos de entrenamiento y ética
Los datos de entrenamiento se obtuvieron de repositorios anónimos y con consentimiento. No se conservó ninguna información de identificación personal. Todas las imágenes utilizadas en el entrenamiento se revisaron para verificar el consentimiento y el cumplimiento legal antes de su inclusión.
El proceso de anotación se diseñó para eliminar todo juicio estético subjetivo del flujo de etiquetado. Los anotadores evaluaron los atributos físicos según criterios objetivos, no según preferencias personales. Las escalas de calificación se definieron y calibraron de antemano.
← Anterior
¿El tamaño importa? →Sigue con →
Estadísticas de tamaño