La termografía infrarroja basada en aprendizaje profundo revela respuestas termorreguladoras uniformes y individuales reproducibles durante la carrera

Observando cómo se calienta el cuerpo

Cuando salimos a correr, nuestro cuerpo realiza en silencio varias tareas a la vez: mover los músculos, suministrar oxígeno y deshacerse del calor sobrante. Este estudio explora una nueva forma de observar ese equilibrio en tiempo real: utilizando cámaras térmicas e inteligencia artificial para rastrear cómo cambia la temperatura de la piel de los corredores durante el ejercicio. El trabajo sugiere que imágenes térmicas sencillas y sin contacto de las piernas pueden revelar tanto patrones comunes compartidos por la mayoría de los corredores como diferencias personales sutiles relacionadas con la capacidad de rendimiento.

Tomando imágenes del calor mientras la gente corre

Los investigadores invitaron a once adultos jóvenes sanos y entrenados en resistencia a un laboratorio controlado. Cada persona realizó tres sesiones de carrera en cinta en dos días diferentes. El trabajo total en cada sesión fue el mismo, pero los patrones de intensidad variaron: una fue continua, otra pasó de continua a intervalos y la tercera hizo lo contrario. Mientras los participantes corrían, el equipo registró la frecuencia cardíaca, la respiración, la temperatura central del cuerpo (usando sensores internos y externos), la percepción del esfuerzo, la pérdida de sudor y—crucialmente—los patrones de calor en los gemelos mediante una cámara infrarroja de alta resolución situada detrás de la cinta.

Permitiendo que la inteligencia artificial lea mapas térmicos

En lugar de delinear manualmente regiones en las imágenes térmicas, el equipo empleó aprendizaje profundo—una forma de inteligencia artificial—para reconocer automáticamente los gemelos y separar distintos tipos de regiones vasculares. A partir de cada fotograma, el sistema calculó varias métricas de la temperatura de la piel: temperatura media del gemelo, temperatura de áreas sin vasos visibles y temperaturas sobre pequeñas arterias y venas superficiales. También midió la «entropía», una estadística que describe cuán variados son los patrones de temperatura en la superficie de la piel. Estas medidas se sincronizaron con los datos de corazón, respiración y temperatura central, produciendo series temporales detalladas durante el calentamiento, las fases principales de la carrera y la recuperación.

Patrones de calor compartidos y firmas personales

En las tres sesiones, las distintas medidas de temperatura de la piel subieron y bajaron al ritmo de los cambios en la intensidad de la carrera, aunque sus valores absolutos diferían. Las áreas sobre pequeños vasos arteriales mostraron vínculos particularmente fuertes con la frecuencia cardíaca y el uso de oxígeno, especialmente durante intervalos de alta intensidad y la recuperación, lo que sugiere que son marcadores sensibles de cuán duro está trabajando el cuerpo y de la rapidez con que disipa el calor una vez que cesa el esfuerzo. La entropía de estas regiones vasculares se correlacionó con la temperatura central durante el calentamiento, reflejando cómo se distribuye el calor por la piel a medida que el cuerpo se calienta. Al mismo tiempo hubo diferencias individuales notables. En algunos corredores—especialmente en aquellos con mayor capacidad de carrera submáxima—la temperatura de la piel sin vasos se movió en dirección opuesta a la temperatura central, creando brechas mayores entre el calor profundo y la piel más fría. Esas diferencias probablemente reflejan ajustes de flujo sanguíneo más eficaces que ayudan a evacuar el calor mientras mantienen la temperatura central bajo control.

Mediciones fiables entre distintos días

Una cuestión clave fue si estas medidas térmicas son lo suficientemente estables como para ser útiles fuera de una sola prueba. El estudio encontró que los cambios en la temperatura de la piel sin vasos, particularmente durante el calentamiento, los intervalos y la recuperación, fueron altamente reproducibles dentro de la misma persona a lo largo de las tres sesiones, incluso cuando el orden y el patrón de las cargas cambiaron. Los patrones a nivel de grupo también fueron consistentes. Se observó menor fiabilidad al comparar ciertos segmentos continuos de carrera que habían sido precedidos por tipos de esfuerzo diferentes, lo que subraya que la historia inmediata del ejercicio puede remodelar temporalmente el flujo sanguíneo cutáneo y la temperatura. En general, sin embargo, el análisis automatizado proporcionó señales sólidas y repetibles bajo condiciones de sala bien controladas.

Qué significa esto para deportistas y el seguimiento de la salud

Los hallazgos muestran que un análisis inteligente de imágenes de calor puede captar tanto las formas compartidas en que los humanos regulan la temperatura durante la carrera como los matices personales vinculados a la capacidad para mantener velocidades submáximas. El aprendizaje profundo convierte una secuencia de imágenes térmicas en cifras consistentes que se alinean con los datos de frecuencia cardíaca, respiración y temperatura central. En el futuro, este tipo de monitorización sin contacto podría ayudar a entrenadores y clínicos a seguir la carga interna, detectar señales tempranas de sobrecalentamiento o personalizar el entrenamiento en función de cuán eficientemente el cuerpo de un corredor desplaza el calor—no solo de cuánto aparente su condición máxima en papel.

Cita: Weber, V., López, D.A., Ochmann, D.T. et al. Deep learning-based infrared thermography reveals reproducible uniform and individual thermoregulatory responses during running. Sci Rep 16, 10525 (2026). https://doi.org/10.1038/s41598-026-44102-6

Palabras clave: termografía infrarroja, fisiología del ejercicio, aprendizaje profundo, termorregulación, rendimiento en carrera