Prueba rápida para detectar deficiencias de la visión del color rojo–verde mediante una tarea de nombrado de colores asistida por red neuronal

Por qué esto importa en la vida cotidiana

Millones de personas perciben los colores de forma distinta sin darse cuenta, y las pruebas tradicionales de la visión del color pueden ser lentas, caras o difíciles de aplicar a niños, personas mayores o personas con movilidad reducida. Este estudio presenta un método rápido y sencillo, basado en ordenador, para detectar diferencias rojo–verde simplemente pidiendo a las personas que digan qué colores ven, mientras un sistema de inteligencia artificial determina si su visión es típica o no.

Cómo puede variar la visión del color entre las personas

La visión del color humana depende principalmente de tres tipos de células sensibles a la luz en el ojo, afinadas aproximadamente a longitudes de onda largas (rojizas), medias (verdosas) y cortas (azuladas). Cuando un tipo falta, no funciona o está desplazado en su sensibilidad, las personas pueden confundir ciertos tonos, especialmente los rojos y verdes. Algunos son dicromáticos, y dependen de solo dos tipos de conos, mientras que otros son tricromáticos anómalos, que tienen los tres conos pero con uno desplazado, de modo que ciertos colores resultan más difíciles de distinguir. Las diferencias rojo–verde afectan alrededor del 8% de la población, en su mayoría congénitas; otras personas desarrollan problemas de color más tarde en la vida, por ejemplo debido a enfermedades o medicamentos.

Límites de las pruebas de visión del color actuales

Médicos y empleadores usan varios tipos de pruebas de color. Las pruebas de placas bien conocidas, en las que las personas identifican números o formas formadas por puntos coloreados, son efectivas para detectar problemas pero pueden ser sensibles a la iluminación y no siempre son fáciles de reproducir en pantalla. Pruebas digitales más avanzadas, como las que muestran figuras coloreadas en movimiento o requieren control manual fino, pueden medir la visión con detalle pero suelen durar 20–30 minutos y demandan concentración y habilidades motrices. Otras pruebas piden ordenar fichas de colores o emparejar luces coloreadas, lo que puede resultar cansado, complicado para niños o ancianos y exigir equipamiento especializado.

Una idea simple: simplemente nombra lo que ves

Los investigadores probaron un enfoque distinto que refleja la vida diaria: el nombrado de colores. Mostraron a 56 voluntarios 182 colores extraídos de escenas naturales —tonos semejantes a los que aparecen en objetos del mundo real— y les pidieron que nombraran cada color usando 11 palabras de color básicas en portugués (como rojo, verde, azul o marrón). Este grupo incluía personas con visión típica y varios tipos de diferencias rojo–verde. En lugar de depender de un experto humano para interpretar las respuestas, el equipo introdujo el patrón de nombres en una red neuronal, un tipo de inteligencia artificial capaz de aprender a reconocer patrones complejos en los datos.

Qué aprendió la inteligencia artificial

La red neuronal fue entrenada para realizar tres niveles de juicio: primero, decidir simplemente si la visión del color de una persona era típica o no; segundo, separar visión típica, dicromáticos y tricromáticos anómalos; y tercero, distinguir cinco categorías detalladas, incluyendo tipos específicos de pérdida rojo–verde. Con el conjunto completo de 182 colores, identificó a las personas con diferencias en la visión del color con un éxito global muy alto: para la cribado básico, tanto la sensibilidad (detectar a quienes tienen una diferencia) como la especificidad (no etiquetar erróneamente a quienes tienen visión típica) superaron el 95%. Incluso cuando el modelo intentó clasificar a las personas en los grupos más detallados de cinco vías, su rendimiento siguió siendo útil, aunque menos preciso, reflejando la mayor dificultad de esa tarea.

Encontrar los colores más informativos

Para hacer la prueba más rápida, el equipo buscó un conjunto más pequeño de colores que contuviera la mayor parte de la información útil. Usaron un método que explica en qué entradas confía más la red neuronal y ordenaron los 182 colores por importancia. Reinstruyendo y probando el sistema repetidamente con las 5, 10, 15, 20 o 25 mejores muestras, encontraron que usar aproximadamente 20 colores seleccionados con cuidado ofrecía en realidad un rendimiento de cribado ligeramente mejor que el conjunto completo. Esto sugiere que colores adicionales pueden añadir ruido en lugar de claridad y que una prueba optimizada podría completarse cómodamente en menos de dos minutos en una pantalla calibrada estándar.

Qué significa esto para la salud y el cribado cotidiano

El estudio muestra que una tarea de nombrado de colores rápida y de bajo esfuerzo, interpretada automáticamente por inteligencia artificial, puede igualar o superar ligeramente las pruebas clásicas de placas para detectar diferencias rojo–verde, al tiempo que es más fácil de digitalizar y más cómoda para muchos usuarios. Dado que se basa en respuestas habladas o sencillas y en imágenes estáticas, podría ser útil no solo para revisiones oculares rutinarias y selección laboral, sino también para el seguimiento de enfermedades oculares o incluso para explorar cambios de color relacionados con trastornos cerebrales como el Alzheimer o el autismo. En términos prácticos, el trabajo señala un futuro en el que una breve prueba en una aplicación podría detectar problemas de visión del color de forma fiable en apenas un par de minutos.

Cita: Monteiro, J.A.R., Marques, D.N., Linhares, J.M.M. et al. Rapid test for detecting red–green color vision deficiencies using a neural network-assisted color-naming task. Sci Rep 16, 9987 (2026). https://doi.org/10.1038/s41598-026-38222-2

Palabras clave: deficiencia de la visión del color, daltonismo rojo–verde, cribado con red neuronal, prueba visual digital, nombrado de colores