BP-ANN: la red neuronal detrás de la precisión del MA601, MA801 y U310
Todo analizador de bioimpedancia convierte una medición eléctrica en cifras de composición corporal mediante un modelo matemático. La calidad de ese modelo es lo que separa una estimación clínicamente útil de una aproximación genérica. Le explicamos cómo funciona el que usa Charder.
La impedancia bioeléctrica por sí sola no dice nada. Es el modelo predictivo el que traduce esa señal en grasa corporal, masa libre de grasa o índice de masa muscular esquelética apendicular (ASMI). Charder utiliza para ello un modelo de red neuronal artificial conocido como BP-ANN, validado en estudios independientes frente a DXA.
¿Qué es BP-ANN?
BP-ANN significa Back Propagation Artificial Neural Network — red neuronal artificial de retropropagación. Es un tipo de modelo de aprendizaje automático que, a diferencia de una fórmula de regresión lineal fija, ajusta sus propios parámetros internos durante el entrenamiento hasta minimizar el error entre lo que predice y lo que muestra el método de referencia (en este caso, DXA).
La diferencia práctica: una ecuación de regresión lineal asume que la relación entre impedancia, peso, talla, edad y sexo con la composición corporal es constante y lineal en toda la población. Una red neuronal puede capturar relaciones no lineales — por ejemplo, cómo esa relación cambia en extremos de edad o de composición corporal — lo que suele traducirse en mejor precisión en poblaciones donde los modelos lineales clásicos pierden exactitud, como adultos mayores.
Cómo está construido el modelo
El modelo BP-ANN aplicado a bioimpedancia se organiza en tres capas:
Capa de entrada: recibe las variables medidas directamente — impedancia (a 5, 50 y 250 kHz en el caso de los equipos multifrecuencia de Charder), talla, peso, edad y sexo.
Capa oculta: combina esas variables mediante una matriz de pesos y un vector de sesgo (ajustados durante el entrenamiento del modelo), procesados con una función de transferencia no lineal, típicamente sigmoide.
Capa de salida: entrega el resultado final — masa grasa, masa libre de grasa, masa muscular segmentaria, ASMI, según el parámetro que se esté calculando.
En términos clínicos
El entrenamiento de este modelo con datos reales, contrastados contra DXA, es lo que sustenta la validación clínica del equipo — no basta con tener electrodos y una pantalla; la calidad del algoritmo detrás de esa pantalla es lo que determina si el número que ve en consulta es confiable.
La validación científica del modelo
Charder ha respaldado su modelo BP-ANN con estudios publicados en revistas indexadas, en colaboración con universidades e institutos de investigación:
Un estudio publicado en International Journal of Gerontology (2012) comparó un modelo predictivo BIA basado en BP-ANN contra DXA para la composición de miembros inferiores en adultos mayores, obteniendo un coeficiente de correlación r² = 0.962 — sensiblemente superior al de los modelos de regresión lineal tradicionales evaluados en el mismo trabajo.
Otro estudio de la misma línea de investigación, también en población adulta mayor en Taiwán, reportó una correlación de r = 0.942 entre la masa libre de grasa estimada por BIA con este modelo y la medición por DXA.
De forma más general, Charder reporta una correlación de r = 0.95 con DXA a partir de su programa de validación con distintas universidades e institutos de investigación colaboradores a lo largo de los años.
Dónde se aplica: MA601, MA801 y U310
El modelo BP-ANN es la base algorítmica común de la línea de analizadores de composición corporal Charder que distribuimos — MA601, MA801 y U310. Sobre esta arquitectura se calculan los parámetros que ya conoce de sus reportes:
Masa grasa total y segmentaria, masa libre de grasa, masa muscular esquelética segmentaria, ASMI (índice de masa muscular esquelética apendicular, alineado a AWGS 2025), agua corporal total e índices intra/extracelular, y ángulo de fase como marcador de integridad celular.
Nota técnica: la estimación de fuerza de agarre
El MA601 y MA801 también entregan una estimación de fuerza de agarre integrada, calculada a partir de las mismas variables del modelo (salud celular, resultados segmentarios, sexo, entre otras). Es importante ser precisos sobre el alcance de esta cifra: se trata de una herramienta de screening y seguimiento de tendencia, no de una medición física directa.
El estudio de validación de este algoritmo específico (PLOS One, 2020, n=406) usó como referencia mediciones físicas con el dinamómetro Charder MG4800 y fue coautorado por personal de Charder — una relación de conflicto de interés que corresponde declarar al citarlo. Para el valor de fuerza requerido en la evaluación formal de sarcopenia según los puntos de corte del consenso AWGS 2025, la medición física directa con dinamómetro sigue siendo el estándar recomendado; la estimación del equipo complementa ese dato, no lo reemplaza.
Este artículo se basa en publicaciones de Charder Medical sobre su programa de validación BIA, incluyendo el estudio "New Application of Bioelectrical Impedance Analysis by the Back Propagation Artificial Neural Network Mathematically Predictive Model of Tissue Composition in the Lower Limbs of Elderly People" (International Journal of Gerontology, 2012), estudios de validación de masa libre de grasa en adultos mayores en Taiwán, y el estudio de validación del algoritmo de estimación de fuerza de agarre (PLOS One, 2020, n=406, con declaración de conflicto de interés por coautoría de personal de Charder).
Este artículo tiene fines informativos para profesionales de la salud y complementa, sin reemplazar, la documentación técnica oficial del equipo. Las cifras de correlación citadas provienen de los estudios de validación referenciados y pueden variar según población y protocolo de medición.
¿Quieres recibir nuevos blogs como este directo a tu correo?
Suscríbete y te avisamos cada vez que publiquemos un nuevo blog relacionado con tu interés