Investigadores de la Universidad Politécnica de Madrid desarrollan una herramienta de inteligencia artificial para mejorar la precisión en cirugías cerebrales, facilitando la reconstrucción facial y reduciendo riesgos quirúrgicos.
A medida que la complejidad de las intervenciones neurológicas aumenta, también lo hace la necesidad de precisión en los procedimientos quirúrgicos. Un pequeño error al operar sobre el cerebro puede acarrear consecuencias graves para el paciente, incluyendo efectos secundarios permanentes. Por esta razón, es fundamental que los cirujanos cuenten con imágenes extremadamente precisas que les ayuden a guiarse durante la operación.
En este contexto, un grupo de investigadores del Centro de Electrónica Industrial y Sistemas Multimodales (CEIMM) de la Universidad Politécnica de Madrid ha desarrollado una innovadora herramienta que utiliza Inteligencia Artificial. Esta tecnología combina diferentes tipos de datos e imágenes para crear una representación geométrica detallada del rostro del paciente, lo que ayuda a los cirujanos a reducir significativamente el riesgo de errores durante las operaciones.
Jaime Sancho, uno de los investigadores involucrados en el proyecto, destaca que “el principal objetivo fue mejorar la precisión de las intervenciones neuroquirúrgicas mediante el uso de Inteligencia Artificial”. El sistema captura meticulosamente la forma del rostro y utiliza esta información como referencia para combinar imágenes médicas como resonancias magnéticas o imágenes hiperespectrales.
Este sistema integra una cámara estéreo comercial junto con una red neuronal diseñada específicamente para analizar rasgos faciales. Esto ha permitido reducir significativamente el error de estimación tanto en simulaciones como en entornos reales. Durante las intervenciones, los médicos deben combinar información proveniente de diversas fuentes como resonancias magnéticas y tomografías. Para que esta combinación sea efectiva, es esencial alinear correctamente todas estas imágenes con la posición real del paciente, un proceso conocido como registro. La reconstrucción facial precisa proporcionada por este sistema facilita este paso crítico.
Desde un punto de vista técnico, los investigadores han adaptado y mejorado una red neuronal existente llamada HITNet. Al incorporar un mecanismo de atención facial, se logra que el sistema preste especial atención a las áreas más relevantes del rostro para la reconstrucción geométrica. Los resultados son prometedores: en entornos simulados, el error medio se redujo notablemente y en condiciones reales también se observó una disminución significativa del margen de error.
Los hallazgos tienen implicaciones directas para mejorar los resultados clínicos en pacientes con tumores cerebrales u otras patologías que requieren cirugía precisa. Además, su implementación podría ser económica debido al uso de cámaras comerciales accesibles y datos sintéticos para entrenar los modelos. Esto podría permitir que hospitales con recursos limitados adopten esta tecnología.
La investigación ha sido posible gracias a dos proyectos financiados públicamente: STRATUM, un esfuerzo europeo que involucra varias instituciones académicas y clínicas; y OASIS, un proyecto nacional colaborativo entre varias universidades españolas.