Una nueva investigación de la Universidad de Texas en Arlington y el Departamento de Agricultura de EE. UU. demuestra cómo el modelado matemático puede predecir brotes de hongos tóxicos en los cultivos de maíz de Texas, ofreciendo un salvavidas potencial a los agricultores que enfrentan miles de millones de dólares en pérdidas de cosechas.
por Greg Pederson, Universidad de Texas en Arlington
«Nuestra investigación se centra en la predicción de brotes de aflatoxina en Texas mediante satélites de teledetección, propiedades del suelo y datos meteorológicos», afirmó la coautora Angela Avila, investigadora postdoctoral en matemáticas en la UTA. «Uno de los principales desafíos es que la contaminación puede estar presente sin signos visibles de infección fúngica. Esto hace que la predicción temprana del riesgo sea especialmente importante para permitir estrategias específicas de prevención y mitigación».
Las aflatoxinas son compuestos tóxicos producidos por ciertos hongos de la familia de las micotoxinas y se encuentran comúnmente en cultivos como el maíz y algunos frutos secos. Son cancerígenas y pueden suponer graves riesgos para la salud de seres humanos y animales.
El equipo de investigación incluyó a Jianzhong Su, profesor y director del Departamento de Matemáticas de la Universidad de Texas en Arlington y antiguo mentor de doctorado del Dr. Ávila. Juntos, desarrollaron el índice de riesgo de aflatoxinas (IRA) y aplicaron múltiples métodos de aprendizaje automático para predecir brotes de aflatoxinas en Texas. El IRA es un modelo predictivo que mide el riesgo acumulativo de contaminación durante el desarrollo de los cultivos.
«Mi principal contribución fue calcular las fechas históricas de siembra para cada condado de Texas utilizando imágenes satelitales de series temporales «, dijo Ávila. «Dado que el maíz es más susceptible a la contaminación por aflatoxinas en etapas específicas de crecimiento, es fundamental contar con fechas de siembra precisas. Mis contribuciones para la estimación de las fechas de siembra mejoraron significativamente nuestra evaluación de riesgos , aumentando la precisión de nuestros modelos de aprendizaje automático entre un 20 % y un 30 %».
Como parte de sus contribuciones a nuestra investigación sobre micotoxinas, la Dra. Ávila integró una nueva información. Utilizó el índice de vegetación de diferencia normalizada, obtenido a partir de imágenes satelitales, para predecir las épocas de siembra —explicó Lina Castaño-Duque, autora principal del estudio publicado en Frontiers in Microbiology y fitopatóloga del Centro de Investigación Regional Sur del Servicio de Investigación Agrícola del USDA en Nueva Orleans—. Continuará desarrollando su modelo para aplicarlo al resto de Estados Unidos.
Ávila señaló que el estudio tiene implicaciones de amplio alcance para los agricultores, procesadores y consumidores, ya que la contaminación por micotoxinas genera miles de millones de dólares en pérdidas económicas cada año.
«Nuestra investigación permitirá a los agricultores tomar decisiones informadas para implementar estrategias de mitigación efectivas, ayudando a proteger los cultivos, la seguridad alimentaria , la sostenibilidad y la estabilidad económica», dijo Ávila.
«Esta investigación de vanguardia revolucionará el manejo de la contaminación por micotoxinas en el maíz, abordando los desafíos asociados», afirmó el Dr. Castaño-Duque. «Los agricultores se beneficiarán de la orientación experta sobre los niveles de riesgo de contaminación por micotoxinas, lo que les ayudará en la selección de cultivos futuros y les permitirá adaptar variables de insumos, como la aplicación de fungicidas y biocontrol, según sea necesario».
Más información: Lina Castaño-Duque et al., Predicción de brotes de contaminación por aflatoxinas en maíz de Texas mediante modelos mecanísticos y de aprendizaje automático, Frontiers in Microbiology (2025). DOI: 10.3389/fmicb.2025.1528997
