Investigadores emplean IA para lograr reconstrucción facial que orienta cirugía cerebral
Investigadores de la Universidad Politécnica de Madrid (UPM) han colaborado en el desarrollo de una herramienta basada en inteligencia artificial (IA) que permite una reconstrucción precisa de la geometría facial de pacientes sometidos a cirugía cerebral. Esta imagen sirve para orientar mejor la intervención quirúrgica.
Las intervenciones neuroquirúrgicas exigen una exactitud milimétrica, ya que cualquier error mínimo puede causar efectos secundarios temporales o permanentes en los pacientes. Por ello, es fundamental que los cirujanos dispongan de imágenes lo más exactas posibles para guiar el procedimiento.
Para ello, el proyecto ha diseñado un sistema capaz de capturar con gran detalle la forma del rostro del paciente y usarla como referencia para integrar diferentes tipos de imágenes médicas, como resonancias magnéticas e imágenes hiperespectrales. La tecnología emplea una cámara estéreo comercial junto con una red neuronal diseñada específicamente para analizar rasgos faciales, lo que permite reducir significativamente el margen de error en evaluaciones tanto simuladas como reales.
El investigador de la UPM Jaime Sancho, implicado en el estudio, explicó que esta investigación tiene aplicación directa en quirófano. Durante una cirugía cerebral, los médicos necesitan fusionar información de distintas fuentes, como resonancias, tomografías e imágenes hiperespectrales, para tomar decisiones más precisas. Para que esta fusión sea efectiva, es imprescindible que todas las imágenes estén alineadas con la posición real del paciente, proceso conocido como registro. La reconstrucción facial precisa que ofrece este sistema facilita este paso reduciendo los márgenes de error en momentos críticos del procedimiento.
Desde el punto de vista técnico, el trabajo se centró en optimizar una red neuronal previa, la arquitectura HITNet, incorporando un mecanismo de atención facial que permite al sistema centrarse en las zonas del rostro más importantes para la reconstrucción geométrica.
En cuanto a la mejora en precisión, la incorporación de este mecanismo aumentó la exactitud de la reconstrucción en todos los contextos analizados. En entornos simulados, el error promedio disminuyó de 2.29 mm a 2.02 mm, con mejoras notables en áreas como la nariz y la boca.
En condiciones reales, el error bajó de 16.91 mm a 14.39 mm, alcanzando 13.85 mm tras entrenar el modelo con datos sintéticos. Además, el sistema puede procesar cada imagen en apenas 10 milisegundos, lo que garantiza su utilidad en entornos clínicos.
La implementación de esta herramienta en hospitales tendría un coste reducido, dado que utiliza cámaras comerciales económicas y entrenamiento basado en datos sintéticos. Esto amplía el potencial impacto social al hacerla accesible para centros con recursos limitados, según los investigadores.
La investigación se ha llevado a cabo en el marco de dos proyectos financiados públicamente. El primero, 'Stratum', es un proyecto europeo en el que la UPM colabora con entidades como 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 proyecto, 'Oasis', es de ámbito nacional, en el que la UPM participa junto a la Universidad de Las Palmas de Gran Canaria, la Universidad de Castilla-La Mancha y la Universidad de Cantabria.