Herramienta de IA alinea radiografías con escaneos 3D para una navegación quirúrgica personalizada

Los procedimientos mínimamente invasivos dependen de los rayos X en tiempo real para la navegación, pero las imágenes bidimensionales pueden ocultar la ubicación y la orientación precisas de los instrumentos dentro del cuerpo. Esta incertidumbre puede prolongar los procedimientos y aumentar los riesgos de complicaciones, especialmente durante intervenciones en las que el tiempo es crítico.

Alinear manualmente estas imágenes con las exploraciones preoperatorias es lento y depende del operador, lo que limita aún más la consistencia. Para mejorar la navegación, los investigadores han desarrollado una técnica de IA específica para cada paciente que alinea rápidamente los rayos X intraoperatorios con exploraciones tridimensionales preoperatorias.

El sistema, llamado registro volumétrico por rayos X (xvr), fue desarrollado por científicos y médicos del Instituto de Tecnología de Massachusetts (MIT; Cambridge, MA, EE. UU.) y de instituciones colaboradoras para la navegación quirúrgica en campos como la ortopedia y la neurocirugía. El método se adapta a cada paciente en unos cinco minutos y luego compara los rayos X de ese paciente con sus exploraciones tridimensionales en cuestión de segundos. El proceso está diseñado para respaldar una guía precisa de herramientas mínimamente invasivas.

Xvr utiliza el estudio preoperatorio de tomografía computarizada (TC) o resonancia magnética (RM) de un paciente para generar miles de rayos X sintéticos por segundo mediante una simulación basada en la física. Estas imágenes específicas del paciente entrenan un modelo de IA que calcula la alineación entre las vistas fluoroscópicas bidimensionales y la anatomía tridimensional con precisión submilimétrica. Un modelo fundacional preentrenado permite un ajuste fino rápido por paciente para que el sistema pueda funcionar dentro de los plazos clínicos.

Los desarrolladores informan que xvr fue preentrenado utilizando exploraciones tridimensionales de cuerpo entero de más de 2.000 pacientes, que abarcan distintas edades, modalidades y regiones anatómicas. Evaluaron el rendimiento en el mayor conjunto de datos disponible de alineaciones reales bidimensionales/tridimensionales, incorporando datos de cinco hospitales y cubriendo decenas de huesos y sistemas orgánicos en pacientes adultos y pediátricos.

Xvr superó a los enfoques de IA existentes por un orden de magnitud en precisión y robustez, y funcionó con la suficiente rapidez para cirugías de emergencia, con potencial para mejorar los sistemas de cirugía robótica.

Los detalles aparecen en Nature el 16 de septiembre de 2026. El equipo planea hacer que xvr sea más rápido para su implementación en tiempo real, realizar estudios adicionales para verificar su fiabilidad en más contextos y ampliar el marco para manejar escenarios complejos como las partes del cuerpo en movimiento.

“Se necesitan décadas de formación para que un clínico adquiera la habilidad suficiente para ver imágenes bidimensionales borrosas y entender cómo está orientado todo. Queremos hacer que estas radiografías 2D sean más informativas, de modo que estos procedimientos que salvan vidas sean más seguros y fáciles de realizar”, dijo Vivek Gopalakrishnan, investigador posdoctoral en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) y autor principal del artículo.

“La mayoría de los estadounidenses vive a más de una hora de un centro que puede realizar procedimientos no invasivos, como intervenciones de urgencia para el ictus. Una hora en tiempo de ictus es increíblemente significativa. Hacer que estos procedimientos sean más fáciles mediante la combinación de información 2D y 3D permite que este tipo de procedimientos altamente especializados que salvan vidas sean más accesibles para sectores mucho más amplios de la población”, dijo Gopalakrishnan.

Enlaces relacionados
MIT CSAIL