Diseño y modelado predictivo de un sensor para la detección de fármacos veterinarios en agua de arrozales basado en redes neuronales artificiales

Por qué importan unos arrozales más limpios

Los arrozales no solo producen un alimento básico para miles de millones de personas: también recogen lo que arrastra el agua desde granjas y fábricas cercanas. Entre los pasajeros indeseados más preocupantes están los fármacos veterinarios usados para mantener sanos al ganado y a los peces de cultivo. Estos medicamentos pueden arrastrarse hacia canales de riego y acumularse en el agua del arrozal, donde pueden dañar los ecosistemas y contribuir a la resistencia a los antibióticos. El estudio resumido aquí describe un nuevo sensor de campo capaz de medir rápidamente varios fármacos veterinarios comunes directamente en el agua del arrozal, con el objetivo de hacer visible esa contaminación en tiempo real en lugar de horas o días después en un laboratorio lejano.

Medicamentos ocultos en las aguas agrícolas

La ganadería moderna depende en gran medida de antibióticos y otros fármacos veterinarios. Los animales no degradan completamente estos compuestos, por lo que los residuos en estiércol, orina y pienso no consumido pueden llegar fácilmente a ríos, estanques y sistemas de riego. La acuicultura aumenta la carga cuando se descarga agua medicada sin el tratamiento adecuado. Las plantas farmacéuticas que fabrican estos fármacos también pueden filtrar residuos si sus aguas residuales no se gestionan con cuidado. Una vez en el medio ambiente, estos químicos pueden llegar a los arrozales, donde pueden reducir la salud del suelo, alterar las comunidades microbianas, favorecer la evolución de resistencia en organismos patógenos y, en última instancia, viajar por la cadena alimentaria hasta los humanos a través del arroz y otros cultivos.

De voluminosas pruebas de laboratorio a una herramienta junto al estanque

Los métodos convencionales para detectar fármacos veterinarios—como la cromatografía y la espectrometría de masas—son altamente precisos pero lentos, caros y dependientes de laboratorios especializados. Requieren una preparación cuidadosa de las muestras y a menudo consumen decenas de minutos por muestra, lo que los hace poco prácticos para la monitorización rutinaria en la explotación. El equipo detrás de este trabajo recurrió en cambio a cómo responde el agua a campos eléctricos. Cuando los fármacos veterinarios se disuelven en agua, modifican sutilmente cómo se orientan y se desplazan sus moléculas e iones en un campo eléctrico aplicado, alterando propiedades eléctricas que pueden detectarse con electrodos sensibles. Esto abre la puerta a un dispositivo compacto que puede colocarse en un arrozal y analizar el agua in situ con un manejo mínimo.

Un poste inteligente en el arrozal

Los investigadores diseñaron un sensor alimentado por energía solar que parece un poste delgado anclado en una parcela inundada. Cerca de la línea de agua, un filtro protector contiene un pequeño «peine» de dedos metálicos llamado electrodos interdigitales. Estos actúan como transmisor y receptor de señales eléctricas suaves que se envían a través del agua circundante. Un microcontrolador genera ondas seno limpias desde 200 hertz hasta 100 megahercios, las envía a través de los electrodos y registra cuánto se atenúan las señales y cuánto se retrasa su sincronización al atravesar el agua. La electrónica también gestiona la potencia, la medición de temperatura, la pantalla y las conexiones inalámbricas que envían las lecturas a una estación base mediante radio de bajo consumo y redes 4G, todo ello funcionando durante una semana o más con batería recargable y panel solar.

Enseñar al sensor a leer señales complejas

Como los distintos fármacos afectan el comportamiento eléctrico del agua de maneras distintas, el dispositivo registra ricas «huellas» a lo largo de cientos de frecuencias. Cada análisis de una muestra de agua del arrozal produce 507 puntos de datos que describen el cambio en la intensidad de la señal y en su sincronización. En lugar de introducir todo esto directamente en un modelo, el equipo usa primero un método estadístico de depuración llamado muestreo adaptativo reponderado competitivo para descartar frecuencias redundantes o poco informativas y conservar solo las más significativas. Luego entrenan una red neuronal artificial—un modelo de software inspirado en el cerebro—para vincular esos patrones con las concentraciones reales de cuatro fármacos objetivo: sulfametazina, doxiciclina hidrocloruro, ofloxacino y tetraciclina hidrocloruro. El modelo acepta múltiples señales a la vez y produce cuatro estimaciones de concentración en un solo paso, además de tener en cuenta la temperatura del agua cambiando o interpolando entre modelos entrenados a diez temperaturas diferentes relevantes para el cultivo del arroz.

Qué revelaron las pruebas de campo

Trabajando con casi 9.000 muestras individuales y mixtas de fármacos en agua de arrozal real o preparada, los investigadores demostraron que el sensor podía distinguir y cuantificar los cuatro fármacos en rangos de concentración prácticos. Encontraron que los cambios en la sincronización de la señal (diferencia de fase) contenían información más fiable que los cambios en la amplitud por sí sola, ofreciendo el mejor equilibrio entre precisión y robustez. Para la mayoría de los fármacos y temperaturas, los modelos basados en fase capturaron alrededor del 80 al más del 90 por ciento de la variación en la concentración, con errores de predicción del orden de unas decenas de miligramos por litro. Algunos compuestos, especialmente la sulfametazina, resultaron más difíciles de medir con precisión porque su estructura molecular producía cambios eléctricos más débiles en los niveles probados, pero el rendimiento general fue lo suficientemente alto para cribados de campo y seguimiento de tendencias. Cada medición completa—incluyendo el barrido de frecuencias, el procesamiento y la predicción del modelo—tomó solo 4–6 minutos, claramente más rápido que los métodos habituales de laboratorio.

De las parcelas de arroz a una agricultura más inteligente

Para el público no especializado, el mensaje principal es que este trabajo convierte una amenaza invisible en un número que puede comprobarse directamente en el campo. Al combinar electrodos de geometría estudiada, electrónica de bajo consumo, enlaces inalámbricos y una red neuronal entrenada, los investigadores crearon un sensor portátil y no destructivo capaz de vigilar casi de forma continua los niveles de fármacos veterinarios en el agua de arrozal. Aunque el sistema aún necesita refinamiento—especialmente para concentraciones muy bajas, aguas turbias y condiciones exteriores severas—ya apunta a un futuro en el que agricultores y reguladores puedan rastrear residuos farmacológicos en tiempo real, responder rápidamente a episodios de contaminación y proteger mejor los ecosistemas y la seguridad alimentaria sin depender exclusivamente de laboratorios centralizados y lentos.

Cita: Huang, J., Huang, B., Huang, S. et al. Design and predictive modeling of a veterinary drug detection sensor in paddy field water based on artificial neural networks. Sci Rep 16, 8826 (2026). https://doi.org/10.1038/s41598-026-38752-9

Palabras clave: residuos de fármacos veterinarios, agua de arrozal, sensor dieléctrico, red neuronal artificial, monitorización de la calidad del agua