Un grupo de estudiantes del Instituto Politécnico Nacional (IPN) creó Deep Bug. Se trata de una IA para la calidad del agua que identifica macroinvertebrados acuáticos a partir de fotografías. El sistema integra tres piezas: una aplicación móvil para el campo, una plataforma web para ordenar registros y un modelo que clasifica los organismos. El proyecto nació en la Escuela Superior de Cómputo (Escom). Los macroinvertebrados funcionan como bioindicadores: su presencia o su ausencia reflejan el estado de un río o un arroyo. La herramienta apunta a acelerar una medición que hoy se hace a mano, planilla por planilla.
El método que ordena la medición es el índice Biological Monitoring Working Party (BMWP). Ese índice traduce la diversidad de macroinvertebrados en una nota de calidad del agua. Eugenia López López, de la Escuela Nacional de Ciencias Biológicas, adaptó el método para México como BMWP/Mex y codirigió el desarrollo. Según el comunicado con el que el IPN presentó el sistema, cuatro dificultades concentraban el problema. El registro manual de datos, la pérdida de planillas en terreno, el tiempo para identificar cada organismo y la dificultad para consultar los resultados.
Una IA para la calidad del agua entrenada con 3.000 imágenes
El equipo reúne a tres estudiantes. Desiré Cuevas Romero y Didier González Ferreira cursan Ingeniería en Inteligencia Artificial. Óscar Leyva Rodríguez estudia Ingeniería en Sistemas Computacionales. Para clasificar los organismos usaron redes neuronales convolucionales, una técnica especializada en imágenes. La IA para la calidad del agua se entrenó durante seis meses con cerca de 3.000 fotografías. El modelo se concentró en cinco familias de macroinvertebrados con rasgos visuales parecidos, cuya identificación resulta especialmente difícil a ojo. Cuevas resumió el propósito: que la herramienta quede como algo funcional para las personas, para los biólogos y para las comunidades.
El diseño contempla el terreno, no solo el laboratorio. La aplicación guarda los datos de forma local mientras dura el monitoreo y los sincroniza con la nube cuando recupera conexión. Así funciona en sitios sin señal. La plataforma digitaliza protocolos, administra proyectos, consulta registros históricos y calcula el índice BMWP/Mex de manera automática. En mayo de 2026 el equipo hizo pruebas de laboratorio y de campo en la Reserva de la Biósfera Tehuacán-Cuicatlán, entre Puebla y Oaxaca. En los ejercicios participaron especialistas y habitantes de comunidades de la región, y se comprobó el diálogo entre la aplicación, la plataforma y el modelo.
Lo que ocurre cuando el monitoreo llega a la comunidad
La reserva donde se probó el sistema ilustra el problema de fondo. Tehuacán-Cuicatlán no cuenta con estaciones oficiales de monitoreo de calidad del agua dentro de la red de la Comisión Nacional del Agua. Un estudio publicado en 2024 en Scientific Reports documentó la respuesta. Académicos del IPN capacitaron a habitantes de 22 comunidades en el uso del índice BMWP. En total, 143 personas —guardaparques, autoridades municipales, estudiantes y vecinos— sostuvieron el monitoreo participativo. El trabajo combinado ya dio resultados concretos. En un sitio del río Salado, el índice cayó a nivel pobre por descargas de aguas residuales de una localidad cercana. Los datos se compartieron con las autoridades, que frenaron los vertidos, y en la siguiente medición el río recuperó la categoría buena.
Deep Bug entra en esa ruta. Convierte una libreta de campo en un registro digital que no se pierde y calcula el índice sin esperar al laboratorio. El aporte va más allá de la velocidad: permite que personas sin formación de biólogo sostengan una medición que antes dependía del especialista. Los propios estudiantes reconocen lo que falta. Siguen ampliando el banco de imágenes, trabajan en la precisión de la identificación y quieren adaptar el sistema a otras regiones del país. El modelo todavía cubre cinco familias. El sistema amplía dónde y con qué frecuencia se puede mirar el agua.
Otras fuentes consultadas: El Universal (13/09) · El Sol de Zacatecas (17/09) · Milenio (25/09) · agua.org.mx (15/09) · Scientific Reports (2024).
