Una IA ajustada a cada paciente alinea rayos X y escaneos 3D para orientar cirugías

Durante una intervención guiada por imágenes, el equipo médico puede ver radiografías en tiempo real, pero esas imágenes son planas. Para saber con precisión dónde se encuentra un instrumento respecto de estructuras internas, hay que relacionarlas con el mapa tridimensional obtenido antes de la operación mediante tomografía o resonancia. Un estudio publicado en Nature presenta un sistema que busca hacer esa correspondencia de manera rápida y adaptada a cada paciente.

La propuesta, llamada xvr, parte del escaneo 3D previo de la propia persona. A partir de ese volumen, genera simulaciones de cómo se verían distintas radiografías y entrena una red neuronal para reconocer la relación entre ambas clases de imagen. El ajuste fino lleva unos cinco minutos; después, el programa combina esa red con un procedimiento de optimización para ubicar en segundos la radiografía tomada durante la cirugía dentro del modelo tridimensional.

Hacer coincidir imágenes de dos y tres dimensiones, una tarea conocida como registro, es importante en procedimientos realizados con incisiones pequeñas y en cirugía asistida por imágenes. Las técnicas previas podían requerir ajustes manuales específicos para cada caso, grandes colecciones de imágenes etiquetadas o un entrenamiento limitado a una sola zona anatómica. El nuevo enfoque intenta evitar esas restricciones al aprender desde el escaneo preoperatorio y al partir de un modelo entrenado con miles de estudios de cuerpo entero.

Los autores evaluaron xvr con fluoroscopías reales —radiografías continuas usadas para guiar procedimientos— y con datos de distintas estructuras anatómicas, modalidades de imagen y hospitales. Según el artículo, el método mejoró la precisión de los sistemas de comparación empleados y mantuvo resultados rápidos tras adaptarse a cada paciente. También liberaron el software y versiones estandarizadas de varios conjuntos de datos públicos para facilitar que otros equipos lo examinen y lo usen en investigación.

El resultado no demuestra todavía que las operaciones sean más seguras ni que los pacientes tengan mejores desenlaces. La evaluación mide cuán bien se alinean imágenes, no la reducción de complicaciones ni el desempeño de equipos clínicos en el uso cotidiano. Además, una parte de los datos clínicos no puede hacerse pública por razones de privacidad. El siguiente paso será comprobar, en entornos asistenciales y para procedimientos concretos, si esa mejora técnica se traduce en una orientación realmente útil durante las intervenciones.