El equipo de investigadores han podido confirmar, gracias a su estudio, que las palomas fueron capaces de generalizar lo aprendido, de tal forma que cuando mostraron a estos animales, un conjunto nuevo de diapositivas digitalizadas normales y cancerosas, las identificaron correctamente.

Las palomas también aprendieron a identificar correctamente microcalcificaciones en las mamografías, pero tenían más dificultades para clasificar las masas sospechosas en las mamografías, una tarea considerada difícil, incluso para los observadores cualificados, explican los autores en un artículo sobre su trabajo publicado en la edición digital de este miércoles de 'Plos One'.

"Estos resultados recorren un largo camino para establecer un vínculo profundo entre los humanos y nuestros parientes animales", afirma Edward Wasserman, profesor de Ciencias Psicológicas y Cerebrales en la Universidad de Iowa y coautor del estudio. 

"Incluso parientes distantes, como personas y palomas, son expertos en la percepción y la categorización de los complejos patrones visuales que se presentan en la patología e imágenes radiológicas, sin duda una tarea para la que la naturaleza no nos ha preparado específicamente".

Los éxitos y las dificultades de las palomas proporcionan una ventana a cómo los médicos procesan las señales visuales presentes en las diapositivas y radiografías para diagnosticar y clasificar el riesgo de enfermedad. 

"Las investigaciones realizadas durante los últimos 50 años ha demostrado que las palomas pueden distinguir identidades y expresiones emocionales en los rostros humanos, letras del alfabeto, cápsulas farmacéuticas deformes e, incluso, pinturas de Monet frente a las de Picasso, afirma Wasserman. Su memoria visual es igualmente impresionante, con un recuerdo comprobado de más de 1.800 imágenes".

Para el estudio, cada paloma aprendió a discriminar imágenes de cáncer de diapositivas no cancerosas usando la técnica tradicional de "condicionamiento operante", en la que un pájaro sólo es recompensado cuando ha realizado una selección correcta; las selecciones incorrectas no son recompensados y se realizan pruebas de corrección. 

Algunas aves, por ejemplo, aprendieron primero a reconocer las muestras benignas o malignas a todo color a bajo aumento (x4) y luego proresaron a aumentos medios (10 veces) y altos (x20). También se entrenaron usando muestras monocromas para eliminar color y el brillo como señales potenciales, así como muestras con diferentes niveles de compresión de imágenes, un procedimiento comúnmente empleado para reducir el tamaño de los conjuntos de datos digitales.