Investigadores de la Universidad Politécnica de Madrid (UPM) participaron en el desarrollo de una herramienta basada en inteligencia artificial (IA) capaz de reconstruir con mayor precisión la geometría facial de pacientes sometidos a cirugía cerebral. El sistema busca mejorar la orientación de los especialistas durante procedimientos neuroquirúrgicos donde cada milímetro resulta determinante.
Las intervenciones sobre el cerebro requieren un nivel de precisión extremadamente alto, ya que cualquier desviación puede provocar secuelas temporales o permanentes. Por ello, el nuevo sistema ofrece una referencia más exacta para integrar diferentes tipos de imágenes médicas utilizadas durante la operación.
La tecnología combina una cámara estéreo comercial con una red neuronal especializada en el reconocimiento de rasgos faciales. Gracias a este proceso, es posible capturar con mayor detalle la forma del rostro del paciente y alinearla con resonancias magnéticas, tomografías e imágenes hiperespectrales que sirven de guía durante la cirugía.
«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 el investigador de la UPM Jaime Sancho.
Desde el punto de vista técnico, el equipo adaptó la arquitectura HITNet mediante la incorporación de un mecanismo de atención facial, diseñado para que la inteligencia artificial concentre el análisis en las zonas del rostro más importantes para lograr una reconstrucción geométrica más exacta.
Las pruebas realizadas mostraron mejoras en todos los escenarios evaluados. En simulaciones, el error promedio disminuyó de 2.29 mm a 2.02 mm, mientras que en condiciones reales pasó de 16.91 mm a 14.39 mm. Con entrenamiento adicional mediante datos sintéticos, el margen de error se redujo hasta 13.85 mm.
Otro de los beneficios del sistema es su rapidez de procesamiento. La herramienta analiza cada imagen en apenas 10 milisegundos, una velocidad que permite su utilización en tiempo real dentro de un quirófano. Además, el uso de cámaras comerciales reduce significativamente los costos de implementación en hospitales.
La investigación forma parte de los proyectos públicos Stratum y Oasis. En estas iniciativas participan instituciones académicas, hospitales y centros de investigación de España, Países Bajos, Suecia e Italia, con el objetivo de desarrollar tecnologías que incrementen la seguridad y la precisión de las cirugías neurológicas, incluso en hospitales con recursos limitados.