Reconstrucción facial con IA. - UNIVERSIDAD POLITÉCNICA DE MADRID
MADRID 29 Jun. (EUROPA PRESS) -
Investigadores de la Universidad Politécnica de Madrid (UPM) han participado en el desarrollo de una herramienta que utiliza la inteligencia artificial (IA) para conseguir una reconstrucción "precisa" de la geometría facial de los pacientes que se someten a una cirugía cerebral, con el objetivo de que esta imagen ayude a guiar la operación.
Las intervenciones quirúrgicas neurológicas requieren una precisión milimétrica, ya que cualquier mínimo error al trabajar sobre el cerebro del paciente puede tener importantes consecuencias en forma de efectos secundarios transitorios o incluso permanentes. Por ello, es importante que los médicos cuenten con imágenes lo más precisas posibles que les permitan guiarse durante la cirugía.
Con este objetivo, el proyecto ha desarrollado un sistema con capacidad para capturar con detalle la forma del rostro del paciente y utilizarla como referencia para combinar distintos tipos de imágenes médicas, como resonancias magnéticas o imágenes hiperespectrales. La herramienta combina una cámara estéreo comercial con una red neuronal diseñada específicamente para rasgos faciales, lo que reduce el error de estimación de forma significativa, tanto en entornos simulados como en condiciones reales.
"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", ha detallado el investigador de la UPM Jaime Sancho, que participa en este estudio.
Desde el punto de vista técnico, el trabajo se centró en adaptar y mejorar una red neuronal existente, la arquitectura HITNet, mediante la incorporación de un mecanismo de atención facial, diseñado para que el sistema preste especial énfasis a las regiones del rostro más relevantes para la reconstrucción geométrica.
MEJORAS EN LA PRECISIÓN
Los resultados obtenidos demuestran que la incorporación de un mecanismo de atención facial en la red neuronal mejora la precisión de la reconstrucción en todos los escenarios evaluados. En entornos simulados, el error medio se redujo de 2.29 mm a 2.02 mm, con mejoras especialmente visibles en las zonas de la nariz y la boca.
En condiciones reales, el error pasó de 16.91 mm a 14.39 mm, y se redujo aún más, hasta 13.85 mm, al aprovechar el entrenamiento previo con datos sintéticos. Además, el sistema es capaz de procesar cada imagen en apenas 10 milisegundos, lo que lo hace viable para su uso en entornos clínicos.
Además de sus ventajas clínicas, tanto en seguridad como en resultados, la implantación del sistema en los centros hospitalarios supondría un bajo coste, según han estimado los investigadores. "El uso de cámaras comerciales de bajo coste y datos sintéticos para el entrenamiento de los modelos abre la puerta a que soluciones de este tipo sean accesibles en centros hospitalarios con recursos limitados, ampliando así su impacto social potencial", han explicado.
La investigación se ha desarrollado en el marco de dos proyectos de financiación pública. El primero es 'Stratum', un proyecto europeo en el que la Universidad Politécnica de Madrid colabora con el Hospital Universitario 12 de Octubre, la Universidad de Tecnología de Eindhoven (Países Bajos), el Hospital Universitario Karolinska (Suecia), el Barcelona Supercomputing Center, la Universidad de Pavia (Italia), el Hospital Dr. Negrín, Optomic y la Universidad de Las Palmas de Gran Canaria (ULPGC).
El segundo es 'Oasis', un proyecto de ámbito nacional en el que la UPM trabaja junto a la Universidad de Las Palmas de Gran Canaria, la Universidad de Castilla-La Mancha y la Universidad de Cantabria.