Diario de Valladolid

La Universidad de Valladolid lidera un estudio sobre el sexo de los esqueletos prehistóricos

Sonia Díaz Navarro y el resto del equipo analizaron diferentes variables osteométricas de 109 esqueletos articulados del yacimiento murciano de Camino de Molino, del III milenio a.C

Pruebas en un laboratorio. EP

Pruebas en un laboratorio. EP

Publicado por
Diario de Valladolid | El Mundo
Valladolid

Creado:

Actualizado:

La investigadora posdoctoral de la Universidad de Valladolid, Sonia Díaz Navarro, lidera un estudio en el que desarrolla un nuevo método para determinar el sexo en esqueletos prehistóricos tras analizar diferentes variables osteométricas de los húmeros, cúbitos, radios, fémures y tibias de 109 esqueletos articulados de sexo del yacimiento murciano de Camino de Molino (III milenio a.C.).

El equipo está formado por investigadores de las universidades de Valladolid, Murcia, Burgos y Uppsala (Suecia), quienes han publicado un estudio en la revista ‘Journal of Archaeological Sciences Reports’ sobre un nuevo método de estimación sexual en huesos largos prehistóricos empleando enfoques de aprendizaje automático con una precisión del 95%, según informa Ical.

El estudio osteométrico de 109 esqueletos de la población calcolítica de Camino del Molino ha permitido comparar diferentes técnicas de diagnóstico sexual en huesos largos y probar la validez del aprendizaje automático en muestras prehistóricas con excelentes resultados.

Sonia Díaz Navarro apuntó que los huesos largos son una “excelente alternativa para la estimación del sexo cuando las partes anatómicas más dimórficas (el cráneo y la pelvis) no se conservan o están muy alteradas, algo recurrente en enterramientos prehistóricos, donde además los restos esqueléticos aparecen generalmente desarticulados y alterados”. Estos condicionantes provocan que sea “realmente complicado poder estimar el sexo de los individuos en estos contextos”, un aspecto fundamental para cualquier estudio bioarqueológico con el fin de definir un conjunto demográfico específico o clasificar restos aislados, añadió.

Este trabajo pretende superar la “escasez de métodos” que puedan aplicarse a la estimación del sexo del gran volumen de restos aislados del Camino del Molino y de otras series esqueléticas mediterráneas de la Prehistoria Tardía con alta afinidad biológica y que comparten condiciones ambientales similares.

Para ello, se han tomado diferentes variables osteométricas de los húmeros, cúbitos, radios, fémures y tibias de la muestra de 109 esqueletos articulados de sexo estimado a partir de métodos antropológicos estándar y análisis de ADN de una muestra de control. El resultado obtenido es un conjunto de funciones discriminantes y modelos de clasificación para estimar el sexo mediante análisis discriminante lineal y enfoques de aprendizaje automático en huesos largos.

Gracias a este análisis se han obtenido 52 funciones discriminantes de fácil aplicación con umbrales de predicción superiores a 80 puntos utilizando medidas independientes (22) y combinando medidas de un mismo hueso (30). Los mejores modelos discriminantes para la predicción del sexo han sido los basados en la anchura de las epífisis proximales del fémur y el húmero o la combinación de estas con otras variables, alcanzando valores cercanos a 98 puntos.

Resultados

El enfoque de aprendizaje automático Random Forest arroja una precisión de 94 puntos, confirmando la importancia de la anchura de las epífisis en la clasificación del sexo. Esto debe relacionarse con el hecho de que las epífisis proximales contienen las inserciones musculares sexualmente dimórficas y transmiten el peso, por lo que la anatomía de la región se ve indudablemente afectada en términos de tamaño y forma, lo que repercute en el dimorfismo sexual y, por tanto, en la precisión de la medición resultante.

La combinación de Análisis Discriminante Lineal y Random Forest permite comparar diferentes técnicas para el diagnóstico sexual con huesos largos y probar la validez del aprendizaje automático en bioarqueología. A diferencia del análisis discriminante univariante, el enfoque random forest utiliza todas las variables de todos los huesos simultáneamente y permite clasificar la importancia de los huesos largos en la discriminación sexual.

Por lo tanto, este enfoque es más completo, ya que considera las correlaciones entre los huesos largos en lugar de tratarlos como observaciones independientes. Por el contrario, realizar análisis discriminante lineal en cada hueso largo permite a los investigadores predecir el sexo de los individuos en otras colecciones prehistóricas con características similares que no tienen una muestra tan completa.

A pesar de que la estimación sexual a partir de huesos largos ha sido frecuentemente desarrollada en colecciones osteológicas de todo el mundo desde mediados del siglo XX, hasta el momento no se habían obtenido funciones discriminantes exitosas sobre poblaciones prehistóricas, por no disponer de suficientes muestras de esqueletos individualizados y bien conservados que arrojen resultados aceptables.

tracking