Un equipo de investigadores de la Escuela Técnica Superior de Ingenieros de Telecomunicación (ETSIT) de la Universidad Politécnica de Madrid (UPM) ha desarrollado un modelo automático basado en inteligencia artificial que permite dotar de realimentación sensorial a los sistemas de neuronavegación utilizados en cirugías complejas de senos paranasales y de base de cráneo. Un neuronavegador es un sistema tecnológico avanzado que funciona como una guía para el cirujano durante las intervenciones, mostrando en tiempo real la localización de los instrumentos quirúrgicos en relación con la anatomía del paciente a partir de imágenes obtenidas mediante tomografía computarizada (TAC) o resonancia magnética (RM). La innovación permite complementar la información obtenida mediante TAC o RM con señales acústicas o hápticas (táctiles) que alertan al especialista al aproximarse a estructuras críticas.

Los neuronavegadores resultan fundamentales en las complejas cirugías de la cabeza. Dotarlos de realimentación acústica o háptica requeriría equiparlos con herramientas automáticas precisas que identifiquen previamente y de forma personalizada las estructuras anatómicas de cada individuo. En este sentido, la identificación de las estructuras óseas del volumen de los senos paranasales y/o de la base del cráneo resulta de especial interés para facilitar la labor del cirujano, ya que estas delimitan áreas críticas de la anatomía de la cabeza. Para ello se necesitan herramientas que identifiquen y delineen la posición exacta y los contornos de las estructuras óseas de la base del cráneo y de los senos paranasales en referencia a la cabeza. Anatómicamente, dichas estructuras son extremadamente complejas, por lo que tratar de abordar este proceso de forma manual sería tremendamente laborioso, costoso y estaría sujeto a errores.

Para abordar este problema, el equipo de la ETSIT-UPM ha desarrollado un modelo de segmentación semántica basado en inteligencia artificial que identifica automáticamente y con alta precisión las estructuras óseas de los senos paranasales y de la base del cráneo. La integración de esta técnica en los neuronavegadores permitiría reducir significativamente los riesgos de complicaciones quirúrgicas, como lesiones nerviosas, daños oculares e incluso riesgos fatales. Además, al facilitar una realimentación sensorial, facilitaría la labor de los especialistas, minimizando el riesgo derivado de posibles errores humanos.

Además, el trabajo -financiado por la Agencia Estatal de Investigación y la Comunidad de Madrid- afronta un desafío recurrente en el ámbito de la investigación: la escasez de datos accesibles que permitan comparar distintos modelos de inteligencia artificial. Para contrarrestar esto, los autores han puesto a disposición de la comunidad científica tanto el modelo desarrollado como los escáneres anotados empleados en el estudio en un gesto de compromiso con la ciencia abierta y la colaboración internacional.

"Al hacer accesibles tanto el modelo de inteligencia artificial como las imágenes segmentadas, esperamos impulsar una mejora en la precisión quirúrgica de las cirugías de senos y de base del cráneo”, afirma Yichun Sun, coautora del estudio e investigadora predoctoral en el Grupo de Investigación en Bioingeniería y Optoelectrónica (ByO). Por otro lado, el catedrático Juan Ignacio Godino, que ha liderado la investigación, destaca que "el sistema desarrollado no sólo abre la puerta a proporcionar una realimentación sensorial al cirujano durante la operación, sino que también abre la puerta a la cirugía robotizada".

Sun, Y., Guerrero-López, A., Arias-Londoño, J. D., Godino-Llorente, J. I. (2025). “Automatic semantic segmentation of the osseous structures of the paranasal sinuses”. Computerized Medical Imaging and Graphics, 123, 102541. 

Sun, Y., Guerrero-López, A., Arias-Londoño, J. D., Godino-Llorente, J. I. (2025). “CT-SCOPE: annotated dataset of CT SCans for the automatic semantic segmentation of the Osseous structures of the Paranasal sinusEs”. Data in Brief. 111962.

Fuente: ‘e-Politécnica Investigación e Innovación’ (nº 747), boletín de la UPM.