El estudio del envejecimiento y la termorregulación ha cobrado un papel protagonista en las ciencias de la salud y el rendimiento fisiológico. Con el paso de los años, los mecanismos de disipación de calor y la respuesta vascular periférica sufren alteraciones que modifican la distribución de la temperatura cutánea. En este contexto, entender qué factores individuales influyen en la respuesta térmica cutánea resulta esencial para interpretar con precisión las imágenes infrarrojas en gente mayor.

Un nuevo estudio científico publicado en la revista Healthcare por Núñez-Rodríguez y colaboradores (2026) investiga la relación entre los parámetros de composición corporal (porcentaje de grasa corporal y masa muscular esquelética) y los patrones de asimetría térmica bilateral en gente mayor.

A continuación, analizamos la metodología, los hallazgos principales de esta investigación y sus implicaciones prácticas para el uso de la termografía infrarroja.

El desafío de la termorregulación en el envejecimiento

El envejecimiento biológico se acompaña de modificaciones vasculares, autonómicas y endocrinas que afectan al flujo sanguíneo cutáneo y a la capacidad del organismo para adaptarse al estrés térmico. El tejido adiposo subcutáneo actúa como un aislante térmico con menor conductividad que la masa magra, lo que afecta la transferencia de calor desde los tejidos profundos hacia la superficie de la piel.

Aunque es habitual asumir que los cambios corporales se producen de forma homogénea, la distribución de la grasa subcutánea y la microvascularización pueden presentar variaciones regionales. Esto plantea una cuestión relevante para el ámbito clínico y de la salud: ¿Influyen el porcentaje de grasa corporal o la masa muscular en los niveles de asimetría térmica que registramos en reposo?

Para dar respuesta a esta pregunta, los investigadores examinaron la asociación entre las métricas obtenidas mediante bioimpedancia eléctrica y los índices térmicos procesados mediante tecnología termográfica automatizada.

Diseño experimental y metodología

El estudio contó con un diseño transversal en el que participaron 127 personas de la comunidad (gente mayor) (85 mujeres y 42 hombres) con una edad media de 81,0 + 10,7 años.

Las evaluaciones se dividieron en dos bloques estandarizados:

1. Evaluación de la Composición Corporal: Realizada mediante bioimpedancia eléctrica multifrecuencia directa segmental (InBody S10). Se registraron variables como el porcentaje de grasa corporal (PBF), el índice de masa muscular esquelética apendicular (ASMI), el ángulo de fase (PhA) y la relación agua extracelular/agua corporal total (ECW/TBW).
2. Evaluación Termográfica Estandarizada: Se empleó una cámara térmica FLIR E6390 bajo condiciones ambientales estrictamente controladas (22 ± 1°C y 15 minutos de aclimatación previa). Las capturas se tomaron a 1,5 metros de distancia en posición anatómica.

Para el procesamiento de las imágenes y la extracción cuantitativa de datos se utilizó el software de análisis automático ThermoHuman® (versión 3.0), revisando posteriormente los archivos mediante FLIR Tools.

Clarificación técnica sobre las métricas y herramientas de ThermoHuman®

Al interpretar el flujo de trabajo de la plataforma termográfica, es importante distinguir las herramientas analíticas:

• Índices de asimetría global: Métricas avanzadas como el Thermal Risk Index (TRI) y el Session Asymmetry Percentage (SAP) permiten evaluar de forma sintética la homeostasis térmica y el porcentaje de asimetría global entre regiones homólogas.
• Mapa de isotermas vs. Avatar de asimetría: El mapa de isotermas de la plataforma resalta los percentiles del 5% de píxeles más calientes y más fríos de la imagen. Por su parte, la segmentación sobre el avatar anatómico representa la asimetría regional mediante un código de colores estandarizado: por ejemplo, tonos amarillos identifican asimetrías situadas entre 0,3 °C y 0,6 °C, mientras que los tonos naranjas señalan diferencias térmicas entre 0,6 °C y 0,9 °C.

Flujo de procesamiento analítico mediante ThermoHuman®: termogramas originales (A, D), mapas de isotermas (B, E) y segmentación por regiones de interés en el avatar anatómico (C, F).

Resultados principales: La grasa corporal condiciona la asimetría térmica

Los hallazgos del estudio mostraron una relación modesta pero estadísticamente significativa entre la adiposidad y diversos parámetros de asimetría termográfica, mientras que la masa muscular no mostró una influencia relevante.

1. Correlación positiva entre la adiposidad y la asimetría

El porcentaje de grasa corporal (PBF) fue la variable de composición corporal que mostró las asociaciones más consistentes con la asimetría térmica:

• Asimetría del tren superior: Correlación positiva significativa (p=0,229, p = 0,015).
• Asimetría térmica media absoluta: Correlación positiva con la magnitud global de desequilibrio térmico (p=0,280, p=0,003).
• Índices sintéticos (TRI y SAP): El PBF se asoció positivamente tanto con el Thermal Risk Index (TRI) (p= 0,250, p=0,008) como con el Session Asymmetry Percentage (SAP) (p= 0,276, p=0,003).

Relación lineal entre el Porcentaje de Grasa Corporal (Eje X) y la Asimetría Térmica Media Absoluta (Eje Y) en la muestra evaluada.

2. Poca influencia de la masa muscular esquelética

En contraste con la grasa, el índice de masa muscular esquelética apendicular (ASMI), el ángulo de fase y la relación de agua corporal no mostraron asociaciones significativas con los índices globales de asimetría termográfica. Tan solo la masa muscular total mostró una débil correlación inversa con la asimetría del tronco (p=-0,199, p = 0,035).

3. Diferencias por sexo y modelo multivariado

En los análisis univariados iniciales, las mujeres presentaron un porcentaje graso mayor (40,4 ± 11,8% vs. 34,3 ± 9,2%, p < 0,001) y valores de asimetría térmica significativamente más elevados que los hombres.

Sin embargo, al introducir las variables en un modelo de regresión lineal múltiple ajustado por edad y sexo, la diferencia entre hombres y mujeres dejó de ser estadísticamente independiente. El porcentaje de grasa mantuvo un coeficiente significativo (B = 0,005, p = 0,026), pero el modelo global explicó únicamente el 5% de la varianza total (R2 = 0,050, p = 0,144).

Aplicaciones prácticas y relevancia clínica

Estos resultados aportan información relevante para los profesionales de la salud, la investigación y la termografía clínica:

1. La adiposidad como factor de confusión en el cribado: Dado que un mayor porcentaje de grasa se asocia a mayores valores basales de asimetría cutánea, el porcentaje graso debe considerarse como una variable individual de referencia al interpretar termogramas. No considerar este factor podría llevar a sobreestimar asimetrías térmicas en personas con mayor adiposidad.
2. Relevancia del screening fisiológico y líneas base de referencia: Al igual que se promueve en la alta competición y la medicina deportiva, registrar el baseline o perfil térmico individualizado resulta fundamental[cite: 2]. Saber qué porcentaje de la asimetría responde a la estructura corporal y cuál a un proceso reactivo o inflamatorio es la clave para una gestión precisa.
3. Carácter exploratorio y complementario: En línea con el rigor científico y la transparencia de ThermoHuman®, debe destacarse que la termografía es una herramienta no invasiva de monitorización biológica y evaluación fisiológica, y no un instrumento diagnóstico aislado para patologías sistémicas. Puesto que la composición corporal explica solo una pequeña fracción de la variabilidad térmica (5%), entran en juego otros factores clave como la regulación microvascular, los fármacos vasoactivos o el grado de actividad autónoma de la gente mayor.

Conclusiones

El trabajo publicado en Healthcare por Núñez-Rodríguez et al. (2026) demuestra que el porcentaje de grasa corporal presenta una asociación modesta con la asimetría térmica cutánea en gente mayor, mientras que la cantidad de masa muscular muestra un impacto marginal.

Estos hallazgos respaldan la necesidad de integrar la evaluación de la composición corporal dentro de los protocolos de análisis térmico y refuerzan la utilidad de los estudios de validación científica de ThermoHuman® para estandarizar la recogida de datos y optimizar la toma de decisiones clínicas y fisiológicas.

Bibliografía

• Balmain, B. N., Sabapathy, S., Louis, M., & Morris, N. R. (2018). Aging and Thermoregulatory Control: The Clinical Implications of Exercising under Heat Stress in Older Individuals[cite: 1]. BioMed Research International, 2018, 8306154.
• Fernández-Cuevas, I., Marins, J. C. B., Lastras, J. A., Carmona, P. M. G., Cano, S. P., García-Concepción, M. Á., & Sillero-Quintana, M. (2015). Classification of factors influencing the use of infrared thermography in humans: A review[cite: 1]. Infrared Physics & Technology, 71, 28-55.
• Januário, W. M., Prímola-Gomes, T. N., Rovira-Esteve, M., Wanner, S. P., Sendra-Pérez, C., & Priego-Quesada, J. I. (2026). Agreement between automated ThermoHuman® and manual thermographic analyses for assessing lower-limb skin temperatures before and after running[cite: 3]. Journal of Thermal Biology, 140, 104533.
• Núñez-Rodríguez, S., Ortega-Santamaría, M., Menéndez-Vega, F., Collazo-Riobó, C., Alvarez-Pardo, S., Berardi, A., & González-Santos, J. (2026). Body Composition and Thermographic Asymmetry in Older Adults: A Cross-Sectional Study[cite: 1]. Healthcare, 14(15), 2295.
• Salamunes, A. C. C., Stadnik, A. M. W., & Neves, E. B. (2017). The effect of body fat percentage and body fat distribution on skin surface temperature with infrared thermography[cite: 1]. Journal of Thermal Biology, 66, 1-9.