Inteligencia artificial para cirugías más seguras en la cabeza
CIENCIAS DE LA SALUD Y TECNOLOGÍA.
Unos investigadores han desarrollado una herramienta basada en inteligencia artificial que podría hacer las operaciones en los senos paranasales y la base del cráneo mucho más seguras
Segmentación y reconstrucción automática de secciones complejas de los senos paranasales. A la izquierda, la imagen del paciente real. En el centro, la segmentación automática realizada por el modelo de inteligencia artificial. A la derecha, la reconstrucción en 3D. Imágenes: UPM.
Este avance tecnológico es obra de expertos de la Universidad Politécnica de Madrid (UPM) en España.
Un neuronavegador es un sistema tecnológico sofisticado que funciona como una guía para el cirujano durante las intervenciones, mostrando en tiempo real la ubicación de los instrumentos quirúrgicos en relación con la anatomía del paciente a partir de imágenes obtenidas mediante tomografía computerizada (TAC) o resonancia magnética (RM).
Un equipo de Investigadores de la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad Politécnica de Madrid ha desarrollado un modelo automático basado en inteligencia artificial que permite dotar de realimentación sensorial a los sistemas de neuronavegación utilizados en cirugías complejas de senos paranasales y de base de cráneo. La innovación de la UPM permite complementar la información obtenida mediante TAC o RM con señales acústicas o hápticas (táctiles) que alertan al especialista al aproximarse a estructuras críticas.
Los neuronavegadores resultan fundamentales en las complejas cirugías de la cabeza. Dotarlos de realimentación acústica o háptica requiere equiparlos con herramientas automáticas precisas, que identifiquen previamente y de forma personalizada las estructuras anatómicas de cada individuo. En este sentido,
Localizar la posición exacta y los contornos de las estructuras óseas de la base del cráneo y/o de los senos paranasales en referencia al resto de la cabeza resulta de especial interés para facilitar la labor del cirujano, ya que estas delimitan áreas críticas de la anatomía de la cabeza.
Anatómicamente, dichas estructuras son muy complejas, por lo que tratar de abordar esta identificación sin ninguna ayuda tecnológica resulta tremendamente laborioso y más propenso a errores que con ella.
Teniendo en cuenta todo esto, el equipo de la UPM ha desarrollado un modelo de segmentación semántica basado en inteligencia artificial que identifica automáticamente y con alta precisión las estructuras óseas de los senos paranasales y de la base del cráneo. La integración de esta técnica en los neuronavegadores permitiría reducir significativamente los riesgos de complicaciones quirúrgicas, como lesiones nerviosas, daños oculares e incluso riesgos fatales. Además, al facilitar una realimentación sensorial, facilitaría la labor de los especialistas, minimizando el riesgo derivado de posibles errores humanos.
Además, el trabajo afronta un desafío recurrente en el ámbito de la investigación: la escasez de datos accesibles que permitan comparar distintos modelos de inteligencia artificial. Con este propósito, los autores han puesto a disposición de la comunidad científica tanto el modelo desarrollado como los escáneres anotados empleados en el estudio, reforzando su compromiso con la ciencia abierta y la colaboración internacional.
En relación con esto, la coautora del estudio Yichun Sun, afirma que "al hacer accesibles tanto el modelo de inteligencia artificial como las imágenes segmentadas, esperamos impulsar una mejora en la precisión quirúrgica de las cirugías de senos y de base del cráneo".
Por su parte, el profesor y catedrático de la UPM Juan Ignacio Godino Llorente, que ha liderado la investigación, destaca: "el sistema desarrollado no solo abre la puerta a proporcionar una realimentación sensorial al cirujano durante la operación, sino que también abre la puerta a la cirugía robotizada".
El equipo expone los detalles técnicos de su nueva herramienta de inteligencia artificial en dos estudios. Uno de ellos se titula “Automatic semantic segmentation of the osseous structures of the paranasal sinuses” y se ha publicado en la revista académica Computerized Medical Imaging and Graphics. El otro se titula “CT-SCOPE: annotated dataset of CT SCans for the automatic semantic segmentation of the Osseous structures of the Paranasal sinusEs”. Y se ha publicado en la revista académica Data in Brief. (Fuente: UPM)
Sitio Fuente: NCYT de Amazings