Diferenciación biométrica de gemelos idénticos basada en marcas faciales mediante mejora dinámica de características

Por qué importan los pequeños detalles de la piel

La mayoría asumimos que los gemelos idénticos son, bueno, idénticos: tan parecidos que incluso cámaras de alta tecnología y pruebas de ADN tienen dificultades para distinguirlos. Esa semejanza genera problemas graves en situaciones reales, desde resolver crímenes hasta asegurar fronteras. Este estudio muestra que la solución puede residir en algo que rara vez notamos: las pequeñas marcas y imperfecciones estables repartidas por la cara. Al tratar estos lunares, manchas y poros como una especie de “mapa de la piel”, los investigadores construyeron un sistema automatizado capaz de distinguir con fiabilidad a gemelos idénticos, apuntando hacia herramientas biométricas más precisas y explicables.

De rostros confusos a mapas de piel claros

Los sistemas tradicionales de reconocimiento facial se centran en la estructura general del rostro: la distancia entre los ojos, la forma de la nariz, el contorno de la mandíbula. En los gemelos idénticos, estas características son casi copias carbono, por lo que incluso algoritmos avanzados y el perfilado genético suelen fallar al intentar diferenciar a cada hermano. Los autores, en cambio, se concentran en los detalles diminutos y en gran medida permanentes de la piel facial: cicatrices de acné, manchas oscuras, poros y arrugas. Estas marcas tienden a formar patrones únicos a lo largo de la vida de una persona, incluso en individuos que comparten casi todos sus genes. La idea central es simple pero poderosa: aunque los rostros de los gemelos puedan parecer iguales a primera vista, sus constelaciones de marcas en la piel no lo son.

Cómo ve el sistema lo que nosotros no vemos

El equipo trabajó con 319 fotografías faciales de 74 pares de gemelos procedentes de una colección de investigación bien conocida. Primero, usaron un modelo de visión por computadora preentrenado para escanear cada rostro y detectar distintos tipos de características en la piel —como acné, ojeras o poros— dibujando cajas invisibles alrededor de cada una. Importa que configuraron el detector para que fuera muy sensible, dispuesto a captar incluso marcas tenues a costa de captar también algo de ruido. En lugar de confiar en cada detección por separado, resumieron todas las marcas en un perfil rico para cada persona: cuántas marcas de cada tipo aparecen, cuán agrupadas están, cómo se distribuyen por la cara y cuál es su tamaño medio.

Convertir patrones de piel en decisiones sobre gemelos

A continuación, los investigadores compararon estos perfiles de piel entre pares de imágenes —a veces gemelos reales, a veces personas no relacionadas— para medir cuán similares o diferentes eran. Combinaban varios pasos de comparación intuitivos: cuánto coincide la mezcla de tipos de marcas, cuán similares son los tamaños generales de las marcas, qué tan equilibrada es la distribución entre izquierda y derecha o entre la parte superior e inferior del rostro, y cómo se organizan espacialmente las marcas, incluyendo la distancia al centro de la cara y la intensidad de su agrupamiento. Estas puntuaciones de similitud se introdujeron luego en un modelo de aprendizaje automático que aprendió a responder una pregunta de sí o no: ¿pertenecen estos dos rostros al mismo par de gemelos o no?

Ajuste inteligente sin perder tiempo

Construir tal clasificador no es solo cuestión de qué información se le proporciona, sino también de cómo se afinan sus muchos “mandos” internos, como la complejidad que se permite al modelo. El estudio comparó de forma sistemática cuatro estrategias distintas para buscar la mejor configuración, desde una cuadrícula exhaustiva de posibilidades hasta métodos más exploratorios inspirados en el muestreo aleatorio y en comportamientos de enjambre en la naturaleza. Aunque un método basado en enjambres superó ligeramente a los demás en precisión bruta durante las pruebas, una búsqueda aleatoria más simple ofreció un rendimiento casi idéntico en una fracción del tiempo. Este equilibrio importa en la práctica: un sistema que sea preciso y eficiente tiene muchas más probabilidades de usarse en el mundo real en laboratorios policiales, puntos de control fronterizos o investigaciones médicas.

Lo que la piel dice sobre la identidad

En conjunto, el marco alcanzó alrededor de un 96,6% de exactitud en validación cruzada y una puntuación sólida en pruebas que miden qué tan bien separa a gemelos de no gemelos, con señales mínimas de sobreajuste. La señal más decisiva no fue qué tipos de marcas tenía la gente, sino dónde aparecían en el rostro: el patrón espacial actuó como una firma única. Los recuentos de tipos de marcas, las diferencias entre regiones faciales y los matices en los patrones de agrupamiento añadieron fiabilidad adicional. Es importante que las decisiones del sistema puedan visualizarse y explicarse, lo que permite a los investigadores ver qué aspectos del mapa de piel impulsaron una coincidencia o una no coincidencia. Para el lector general, el mensaje es contundente: incluso en los humanos que más se parecen entre sí, la piel registra silenciosamente suficiente detalle individual para que las máquinas los distingan, abriendo la puerta a juicios más justos, biometría más segura y nuevas formas de estudiar cómo el entorno moldea nuestra apariencia con el tiempo.

Cita: Brahmbhatt, K.J., Prakasha, K. & Sanil, G. Facial mark based biometric differentiation of identical twins using dynamic feature enhancement. Sci Rep 16, 9249 (2026). https://doi.org/10.1038/s41598-026-39470-y

Palabras clave: gemelos idénticos, biometría facial, marcas en la piel, identificación forense, aprendizaje automático