Un equipo de investigadores, con participación de la Universidad Politécnica de Madrid (UPM), ha desarrollado una herramienta innovadora que emplea inteligencia artificial (IA) para lograr una reconstrucción facial «precisa» en pacientes que serán sometidos a una cirugía cerebral, con el propósito de que esta imagen sirva como guía durante la operación.
Las intervenciones neuroquirúrgicas demandan una precisión milimétrica, pues cualquier desviación al trabajar sobre el cerebro puede desencadenar efectos secundarios temporales o incluso permanentes. Por ello, resulta fundamental que los cirujanos dispongan de imágenes lo más exactas posible para orientarse en el quirófano.
Con esa meta, el proyecto ha creado un sistema capaz de capturar con detalle la forma del rostro del paciente y emplearla como referencia para fusionar distintos tipos de imágenes médicas, como resonancias magnéticas o imágenes hiperespectrales. La herramienta combina una cámara estéreo comercial con una red neuronal diseñada específicamente para rasgos faciales, lo que reduce de forma significativa el error de estimación, tanto en simulaciones como en condiciones reales.
«La investigación tiene una aplicación directa en el quirófano. Durante una intervención neuroquirúrgica, los médicos necesitan combinar información proveniente de distintas fuentes de imagen como resonancias magnéticas, tomografías o imágenes hiperespectrales para guiar sus decisiones con la mayor precisión posible. Para que esta combinación sea útil, es imprescindible alinear correctamente todas estas imágenes con la posición real del paciente, un proceso conocido como registro. La reconstrucción facial precisa que ofrece este sistema facilita precisamente ese paso, reduciendo los márgenes de error en una fase crítica de la intervención», explicó Jaime Sancho, investigador de la UPM que participa en el estudio.
Desde el punto de vista técnico, el trabajo se centró en adaptar y mejorar una red neuronal existente, la arquitectura HITNet, mediante la incorporación de un mecanismo de atención facial. Este mecanismo permite que el sistema ponga especial énfasis en las regiones del rostro más relevantes para la reconstrucción geométrica.
Mejoras en la precisión
Los resultados evidencian que la integración del mecanismo de atención facial en la red neuronal mejora la precisión de la reconstrucción en todos los escenarios evaluados. En entornos simulados, el error medio se redujo de 2.29 mm a 2.02 mm, con mejoras notables en las zonas de la nariz y la boca.
En condiciones reales, el error pasó de 16.91 mm a 14.39 mm, y disminuyó aún más, hasta 13.85 mm, al aprovechar el entrenamiento previo con datos sintéticos. Además, el sistema es capaz de procesar cada imagen en apenas 10 milisegundos, lo que lo hace viable para su uso en entornos clínicos.
Más allá de sus ventajas clínicas en seguridad y resultados, la implementación del sistema en hospitales representaría un bajo coste, según estimaron los investigadores. «El uso de cámaras comerciales de bajo coste y datos sintéticos para el entrenamiento de los modelos abre la puerta a que soluciones de este tipo sean accesibles en centros hospitalarios con recursos limitados, ampliando así su impacto social potencial», señalaron.
La investigación se desarrolló en el marco de dos proyectos de financiación pública. El primero es ‘Stratum’, un proyecto europeo en el que la UPM colabora con el Hospital Universitario 12 de Octubre, la Universidad de Tecnología de Eindhoven (Países Bajos), el Hospital Universitario Karolinska (Suecia), el Barcelona Supercomputing Center, la Universidad de Pavia (Italia), el Hospital Dr. Negrín, Optomic y la Universidad de Las Palmas de Gran Canaria (ULPGC).
El segundo es ‘Oasis’, un proyecto de ámbito nacional en el que la UPM trabaja junto a la Universidad de Las Palmas de Gran Canaria, la Universidad de Castilla-La Mancha y la Universidad de Cantabria.
Fuente: Infobae