- LaENet estima la edad legal a partir de radiografías dentales con alta precisión y enfoque ético, priorizando la protección de menores.
- El modelo se ha entrenado y validado con más de 10.700 ortopantomografías de múltiples países, logrando errores medios cercanos a 1 año.
- La IA también se aplica a radiografías de tórax como biomarcador de envejecimiento y a APIs comerciales para verificación rápida de edad en fintech.
- Estas soluciones combinan robustez técnica, respeto a la privacidad y supervisión humana para apoyar decisiones clínicas, forenses y regulatorias.
La frontera de los 18 años no es solo una cifra en un documento: determina si una persona es tratada como menor o como adulta ante la ley, con todo lo que ello implica en protección, recursos y derechos. En contextos de migración, trata de personas o explotación, saber si alguien tiene 17 o 19 años puede cambiar por completo su futuro judicial y social.
En los últimos años, distintos equipos de investigación han puesto la mira en la inteligencia artificial (IA) aplicada a la estimación de la edad, buscando métodos más precisos, rápidos y, sobre todo, respetuosos con los derechos humanos. Desde el uso de radiografías dentales panorámicas para estimar la mayoría de edad con fines forenses, hasta modelos que predicen la edad a partir de radiografías de tórax o soluciones comerciales para verificar la edad en el sector fintech, la IA se está convirtiendo en una herramienta clave en este campo tan sensible.
Un sistema de IA que cambia las reglas del juego en la edad legal
Un grupo de investigadores del Instituto Andaluz Interuniversitario de Ciencia de Datos e Inteligencia Computacional (DaSCI), vinculado a las universidades de Granada, Jaén y Córdoba, junto con la cooperativa tecnológica Panacea Cooperative Research, ha desarrollado un sistema de inteligencia artificial que supone un salto cualitativo en la estimación de la edad legal mediante radiografías dentales. Este trabajo se recoge en el artículo científico titulado Trustworthy AI-based legal age estimation using orthopantomographs, publicado en la revista Applied Soft Computing.
La herramienta, bautizada como LAENet, se centra en el análisis de ortopantomografías, es decir, radiografías panorámicas de la dentición y los maxilares ampliamente usadas en odontología y medicina forense. A partir de estas imágenes, el sistema es capaz de estimar si una persona está por encima o por debajo del umbral de los 18 años con una precisión equiparable a la de especialistas forenses experimentados.
Lo realmente relevante no es solo que la IA acierte mucho, sino que lo hace siguiendo un enfoque ético y transparente, diseñado expresamente para minimizar el riesgo de clasificar erróneamente a un menor como adulto, algo que podría dejarle sin la protección jurídica que necesita en situaciones de vulnerabilidad, especialmente en procesos migratorios sin documentación.
La aportación de este sistema encaja de lleno con los principios europeos de Inteligencia Artificial Confiable: robustez técnica, ausencia de discriminación, bienestar social y supervisión humana. La IA, en este contexto, se plantea como un apoyo a la decisión clínica y judicial, no como un sustituto del criterio profesional.
LAENet: cómo funciona y con qué datos se ha entrenado
El corazón del sistema es una red neuronal profunda diseñada para realizar una tarea de regresión: es decir, estimar la edad como un valor continuo a partir de cada radiografía. No se limita a decir “mayor o menor de edad”, sino que calcula una edad estimada y, a partir de ahí, permite valorar con mayor detalle la situación de cada persona.
Para conseguir este rendimiento, LAENet se entrenó con la que se considera actualmente la colección más amplia y diversa de ortopantomografías empleada para este fin. El conjunto de datos incluye unas 10.739 radiografías panorámicas dentales, correspondientes a personas de entre 14 y 26 años, con una distribución equilibrada entre hombres y mujeres y procedentes de instituciones de hasta 12-16 países en cuatro o cinco continentes, según se detalla en las distintas notas de prensa universitarias.
Esta diversidad geográfica y biológica permite que el modelo sea robusto ante diferencias de origen, algo crítico en escenarios reales donde, a menudo, se desconoce con precisión la procedencia de la persona evaluada. No hablamos de un modelo entrenado en una sola población, sino en una base de datos verdaderamente internacional.
Los investigadores no se quedaron en el entrenamiento inicial: llevaron a cabo una validación externa con casi un millar de radiografías adicionales procedentes de países que no se habían utilizado para entrenar el modelo. De esta manera, pusieron a prueba la capacidad de LAENet para funcionar en contextos forenses reales, simulando el típico caso en el que no se tiene información clara sobre el origen de la persona.
Los resultados son notables: el sistema alcanzó un error medio absoluto en torno a 1,12 años y una precisión superior al 88 % a la hora de decidir si alguien supera el umbral de los 18 años. En validaciones con poblaciones externas no vistas durante el entrenamiento, el rendimiento se mantuvo alto, con márgenes de error entre aproximadamente 1,21 y 1,47 años y precisiones en la clasificación de la mayoría de edad que oscilaron entre el 83 % y el 92 %.
Un enfoque centrado en la protección de menores: incertidumbre y garantías éticas
Uno de los grandes desafíos en estimación de edad para fines legales es muy claro: el error más peligroso es considerar adulto a quien en realidad es menor. Esta equivocación puede suponer que un adolescente migrante quede sin tutela adecuada, sin acceso a recursos específicos o, directamente, en situación de riesgo.
Por eso, LAENet no se limita a ofrecer una edad numérica suelta. El modelo incorpora técnicas de estimación de incertidumbre que permiten calcular intervalos de predicción. A partir de estos intervalos, el sistema puede proporcionar, por ejemplo, un límite inferior de la edad con un cierto nivel de confianza estadística.
En la práctica, esto significa que, si se escoge un nivel de seguridad del 95 % para ese límite inferior, el sistema es capaz de clasificar correctamente como menores al 98,2 % de los individuos que realmente lo son. Dicho de otro modo, se prioriza reducir al mínimo los falsos adultos entre los menores, aún a costa de aceptar que algún adulto pueda ser tratado como menor en caso de duda, siguiendo un criterio claramente protector.
Esta filosofía se ajusta al marco de la Inteligencia Artificial Confiable de la Unión Europea, que exige no solo buenas métricas de precisión, sino también respeto a la no discriminación, la transparencia y el bienestar social. El sistema, de hecho, incorpora mapas de activación que permiten visualizar qué zonas de la radiografía han resultado más relevantes para la red neuronal en cada predicción, reforzando la transparencia y facilitando la supervisión humana.
De este modo, la herramienta no pretende sustituir el juicio de profesionales de la odontología forense, la antropología o la medicina legal, sino convertirse en un apoyo objetivo y reproducible, que reduzca la variabilidad entre observadores y agilice procesos que, hasta ahora, eran manuales, lentos y con un margen mayor de subjetividad.
Aplicaciones en migración, trata de personas y justicia
Los promotores del sistema subrayan que su utilidad se despliega sobre todo en contextos de migración irregular, trata de seres humanos, matrimonios forzados y explotación infantil. En todos estos ámbitos, determinar si una persona es menor o mayor de edad marca la diferencia entre recibir protección específica o quedar expuesta a abusos, violencia o desamparo institucional.
Si pensamos, por ejemplo, en menores migrantes no acompañados y sin documentación que llegan a fronteras europeas, las autoridades deben decidir con rapidez y rigor si esa persona debe ser derivada a los sistemas de protección de la infancia o tratada como adulta. Tener a mano un sistema como LAENet, validado con datos de múltiples países y ajustado a protocolos forenses europeos, ofrece una herramienta objetiva para apoyar decisiones de enorme trascendencia.
La Universidad de Oviedo ha participado de forma destacada en el proyecto, aportando su experiencia en antropología forense, análisis de imágenes radiológicas y validación de métodos para el ámbito judicial. Esta contribución refuerza la posición de la institución asturiana como referente internacional en el desarrollo de soluciones tecnológicas aplicadas a la justicia y a la defensa de los derechos humanos.
Los autores del trabajo señalan que, a día de hoy, este es el primer método de IA para estimación de edad legal que demuestra de forma completa su aplicabilidad en escenarios forenses reales y su compatibilidad con los protocolos europeos vigentes en estimación de edad. No se trata solo de un experimento de laboratorio, sino de un sistema con vocación de uso clínico y judicial.
Este avance, financiado en un proyecto a nivel europeo, abre la puerta a decisiones más justas, objetivas y seguras en procesos en los que la edad es un factor clave. Integrado en los procedimientos ya existentes, puede contribuir a reforzar la tutela de jóvenes en situaciones de desprotección, evitando arbitrariedades y disparidades de criterio.
De la investigación a la práctica: una aplicación gratuita para profesionales
Con la intención de que el trabajo no se quede solo en publicaciones científicas, el equipo de DaSCI y Panacea ha desarrollado una aplicación gratuita dirigida a profesionales sanitarios y forenses. A través de esta herramienta, disponible en la web de Panacea Cooperative Research, es posible cargar una ortopantomografía y obtener de forma sencilla la edad estimada, los intervalos de predicción y la visualización de las zonas de la imagen que el modelo ha considerado más relevantes.
La aplicación, accesible a través de un enlace específico en la página de Panacea, se ha creado como parte de la apuesta por la transferencia de conocimiento al entorno socioeconómico. De este modo, los resultados de la investigación en inteligencia artificial y ciencia de datos se transfieren directamente a la práctica clínica y forense.
El Instituto DaSCI, que agrupa a personal investigador de las universidades de Granada, Jaén y Córdoba, está especializado en ciencia de datos e inteligencia computacional. Su objetivo es convertirse en un referente en la investigación avanzada en IA, promoviendo la colaboración entre grupos, la formación de especialistas y la aplicación de estas tecnologías en múltiples sectores, desde la industria hasta los servicios públicos.
Por su parte, Panacea Cooperative Research, surgida como spin-off de la Universidad de Granada, se dedica al desarrollo de software de IA enfocado en identificación humana y ciencia forense. Entre sus productos se encuentra Skeleton-ID, utilizado en numerosos casos por instituciones forenses en España y en otros países. La cooperativa centra sus esfuerzos en soluciones con un alto impacto social, siempre con una fuerte componente de transferencia tecnológica hacia el tejido productivo y las administraciones.
Este tipo de colaboraciones entre universidad y empresa, combinando investigación académica de alto nivel con desarrollo de producto orientado a necesidades reales, son las que están haciendo posible que herramientas como LAENet pasen del papel a la práctica diaria de peritos y equipos multidisciplinares que trabajan en la protección de menores.
IA para estimar la edad también en el tórax: biomarcadores de envejecimiento
La estimación de la edad con IA no se limita al ámbito dental ni a la frontera legal de la mayoría de edad. Un grupo de científicos de la Universidad de Osaka, en Japón, ha demostrado que es posible utilizar radiografías de tórax para desarrollar un biomarcador de envejecimiento altamente preciso, apoyado en técnicas de aprendizaje profundo.
En un estudio publicado en la revista The Lancet Healthy Longevity, el equipo codirigido por Yasuhito Mitsuyama y el doctor Daiju Ueda construyó un modelo de IA basado en redes profundas para estimar la edad cronológica de personas sanas a partir de radiografías de tórax obtenidas durante revisiones de salud rutinarias.
Conscientes del riesgo de sobreajuste cuando se entrena un modelo solo con datos de una institución, los investigadores recopilaron un conjunto muy amplio y heterogéneo: aproximadamente 67.099 radiografías de tórax correspondientes a unas 36.051 personas aparentemente sanas, procedentes de tres centros sanitarios y registradas entre 2008 y 2021. Estos datos sirvieron para el desarrollo, entrenamiento y pruebas internas y externas del modelo.
El rendimiento logrado fue muy elevado: el modelo mostró un coeficiente de correlación de 0,95 entre la edad estimada por IA y la edad cronológica real de los pacientes. En términos estadísticos, una correlación por encima de 0,9 se considera muy fuerte, lo que indica que la edad predicha por la IA sigue de cerca la edad real de las personas evaluadas.
Una vez entrenado el modelo con individuos sanos, el equipo dio un paso más y lo aplicó a 34.197 radiografías de pacientes con distintas enfermedades crónicas, procedentes de otras dos instituciones. El objetivo era analizar si la diferencia entre la edad estimada por la IA y la edad cronológica se relacionaba con la presencia de patologías.
Edad estimada por IA como indicador de salud y envejecimiento
Los resultados obtenidos en este estudio japonés apuntan a que la edad aparente en la radiografía de tórax puede ser un biomarcador útil del estado de salud. Concretamente, se observó que cuanto mayor era la diferencia entre la edad estimada por IA y la edad cronológica de la persona, mayor era la probabilidad de que padeciera enfermedades crónicas como hipertensión, hiperuricemia o enfermedad pulmonar obstructiva crónica.
Dicho de forma sencilla, si la IA “ve” en la radiografía de tórax a alguien más mayor de lo que indica su edad real, es más probable que esa persona sufra ciertas patologías asociadas al envejecimiento o al deterioro de la función pulmonar y cardiovascular. Esto sugiere que la edad aparente basada en imagen médica puede aportar información adicional sobre el estado de salud, más allá de la edad cronológica.
La clave del éxito de este enfoque reside en el aprendizaje profundo. A diferencia del aprendizaje automático más clásico, en el que las características relevantes se definen manualmente, las redes profundas son capaces de extraer por sí mismas patrones complejos y sutiles de los datos de imagen durante el entrenamiento. Esto resulta especialmente valioso cuando la relación entre las características visibles (en este caso, la radiografía de tórax) y el fenómeno que se quiere medir (el envejecimiento) no está del todo comprendida.
Los autores del estudio creen que este tipo de biomarcadores basados en IA podrían servir en el futuro para estimar la gravedad de enfermedades crónicas, predecir esperanza de vida o incluso anticipar complicaciones quirúrgicas. La idea es que la “edad biológica” estimada por la IA sea un indicador global del impacto acumulado de la enfermedad y los factores de riesgo sobre el organismo.
Este enfoque encaja con otros intentos recientes de la comunidad científica por medir y, en algunos casos, revertir el envejecimiento, como los estudios que exploran cócteles químicos capaces de rejuvenecer células humanas sin necesidad de aplicar terapias génicas o inducir estados pluripotentes tipo iPSC. Aunque estos avances pertenecen a un campo distinto al de la estimación de edad legal, muestran hasta qué punto la IA y la biotecnología se están entrelazando para entender y modular el paso del tiempo en el organismo.
IA para verificación rápida de edad en el sector fintech
Mientras la comunidad académica impulsa sistemas complejos basados en radiología para medicina y forense, el sector privado también está desarrollando soluciones de estimación de edad pensadas para el cumplimiento normativo en entornos digitales. Un caso claro es el de las plataformas fintech, que tienen que verificar la mayoría de edad de sus usuarios para ofrecer productos como préstamos, inversiones o servicios de criptomonedas.
En España, el sector fintech vive un crecimiento muy rápido, con oferta de neobancos, brokers online y exchanges de criptoactivos. Este auge viene acompañado de una vigilancia regulatoria intensa, especialmente en lo que tiene que ver con verificación de identidad y de edad. Permitir el acceso de menores a servicios financieros restringidos puede acarrear sanciones, riesgos de fraude y daños reputacionales serios para la empresa.
Los métodos tradicionales de verificación de edad, como la revisión manual de documentos de identidad, resultan a menudo lentos, intrusivos y poco amigables para el usuario. Obligar a subir fotos del DNI o el pasaporte implica manejar datos personales muy sensibles, con el consiguiente riesgo de brechas de seguridad y robo de identidad. Además, estos procesos suelen aumentar la tasa de abandono durante el alta.
Las APIs de Estimación de Edad se proponen como una solución más ágil y respetuosa con la privacidad. Básicamente, permiten que el usuario se haga una selfie y, a partir de esa imagen, la IA estime si la persona supera una determinada edad mínima, sin necesidad de almacenar o procesar más datos de los estrictamente necesarios. Para una fintech, esto significa menos fricción en el registro y un cumplimiento automatizado de los requisitos de edad.
Proveedores como Didit ofrecen este tipo de servicios, integrables a través de API en los flujos de onboarding de bancos digitales y otras entidades. Su propuesta combina estimación de edad, verificación de identidad y detección de liveness (para evitar que se usen fotos estáticas o suplantaciones), todo ello con una arquitectura modular y respetando marcos de privacidad como el RGPD. Además, algunas de estas soluciones se ofrecen con niveles gratuitos de entrada, lo que facilita que startups y empresas más pequeñas puedan probarlas sin una gran inversión inicial.
Desde la perspectiva del negocio, el valor está en reducir el riesgo de fraude y de incumplimiento normativo a la vez que se mantiene una experiencia de usuario fluida. La clave, como siempre, es encontrar el equilibrio entre seguridad, cumplimiento y comodidad, algo en lo que la IA, si se diseña y supervisa correctamente, puede ser una aliada muy potente.
Todo este ecosistema de soluciones -desde LAENet para contextos forenses hasta las APIs comerciales de verificación en fintech- muestra que la estimación de edad mediante IA se está consolidando como un campo maduro, con aplicaciones que van desde la protección de menores y derechos humanos hasta la gestión de riesgos en servicios financieros digitales y la predicción de salud a partir de imágenes médicas.
La combinación de grandes bases de datos multicéntricas, modelos de aprendizaje profundo, validaciones externas rigurosas y un enfoque ético centrado en minimizar daños está permitiendo que estos sistemas pasen de ser prototipos experimentales a herramientas reales. A medida que se integren en los protocolos clínicos, forenses y regulatorios, será crucial mantener la supervisión humana, la transparencia en los modelos y la actualización continua para garantizar que sigan cumpliendo su propósito principal: ayudar a tomar decisiones justas, basadas en evidencia y respetuosas con la dignidad de las personas.
