La robótica y IA mejoran la seguridad en cirugías de emergencia para accidentes cerebrovasculares

Las enfermedades cardiovasculares siguen siendo la principal causa de muerte en toda Europa, provocando más de 4 millones de muertes al año. Las trombectomías mecánicas (MT), que implican la extirpación quirúrgica de coágulos sanguíneos de grandes vasos sanguíneos, se han convertido en un tratamiento estándar para los pacientes que experimentan este tipo de obstrucciones, en particular los accidentes cerebrovasculares. El tiempo entre la primera aparición de los síntomas del ictus y el inicio del tratamiento es fundamental; cuanto antes se elimine el coágulo, mayores serán las posibilidades de que el paciente recupere la independencia después de un derrame cerebral. Los investigadores ahora se centran en cómo los robots quirúrgicos, guiados de forma autónoma por inteligencia artificial (IA), podrían mejorar la seguridad y la eficiencia de estos procedimientos.

Investigadores del King's College London (KCL, Londres, Reino Unido) utilizaron modelos informáticos para demostrar que el paso inicial del procedimiento MT, que implica desplazar catéteres y cables desde la ingle hasta los vasos del cuello, se puede realizar de forma autónoma mediante navegación por IA. El equipo adoptó el aprendizaje por refuerzo inverso (IRL) para entrenar nuevos modelos de IA. En sus estudios para evaluar la viabilidad de IRL para la navegación, compararon la efectividad del seguimiento con un solo dispositivo (solo guía) versus el seguimiento con dos dispositivos (catéter y guía juntos), y encontraron que ambos métodos eran altamente exitosos con tasas de éxito del 95 % y 96 %, respectivamente.

Sin embargo, el seguimiento del dispositivo dual, que simula las acciones de un experto, demostró que la integración de IRL con una función de recompensa densa, conocida como configuración de recompensa, conduce a tasas de éxito generales más altas y tiempos de procedimiento reducidos en comparación con los métodos existentes. El modelo desarrollado mediante la configuración de recompensas aprovecha los datos del demostrador a través de IRL para navegar hacia el objetivo de manera efectiva, mientras que la función de recompensa densa fomenta un progreso rápido y eficiente hacia el objetivo, minimizando la cantidad de pasos necesarios.

"Nuestra investigación utiliza IA para mostrar, por primera vez, cómo navegar de forma autónoma los instrumentos médicos desde la ingle hasta el cuello en los vasos sanguíneos. Esta es una parte importante de la MT, que elimina los coágulos de los vasos sanguíneos. También exploramos varios métodos para enseñar la IA”, dijo Harry Robertshaw, estudiante de doctorado de KCL. “Descubrimos que el uso de ejemplos de la vida real para guiar la IA, una técnica conocida como 'aprendizaje por refuerzo inverso', mejora su rendimiento respecto a los mejores métodos actuales. En el futuro, podremos utilizar estas nuevas técnicas para crear modelos que puedan navegar por los vasos sanguíneos invisibles de los pacientes, acercándonos a aprovechar todos los beneficios de la MT robótica con asistencia autónoma".

"Nuestro trabajo es otro paso hacia la mejora de la accesibilidad de los procedimientos y la precisión de las tareas de navegación endovascular autónoma", añadió el Dr. Thomas Booth, lector de Neuroimagen de la Facultad de Ingeniería Biomédica y Ciencias de la Imagen. "Para la trombectomía mecánica, el trabajo sienta las bases para una atención al paciente potencialmente transformadora, por ejemplo, al tratar a los pacientes de forma más segura mediante el uso de tecnologías de navegación asistida por IA".

Enlaces relacionados:
King's College de Londres