La investigación en tecnología médica avanza a pasos agigantados, y un reciente desarrollo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT ha dado un nuevo giro a la forma en que se evalúa la salud fetal. Este avance, denominado Fetal SMPL, utiliza algoritmos de aprendizaje automático para modelar la forma y los movimientos de los fetos en tres dimensiones, lo que podría facilitar a los médicos la identificación de anomalías y el diagnóstico.
Tradicionalmente, las ecografías son el método más común para evaluar el estado de salud de los fetos durante el embarazo. Estas pruebas suelen generar imágenes bidimensionales que proporcionan información valiosa sobre el sexo biológico, tamaño aproximado y posibles problemas como malformaciones cardíacas o labio leporino. En ocasiones, los médicos recurren a la resonancia magnética (RM), que permite obtener imágenes más detalladas al combinar múltiples tomas para crear una vista tridimensional del feto. Sin embargo, interpretar estas imágenes 3D puede resultar complicado debido a la complejidad visual que presentan.
Nueva metodología basada en aprendizaje automático
El enfoque Fetal SMPL se basa en un modelo previamente desarrollado llamado SMPL, diseñado para capturar formas y posturas corporales en adultos. Adaptado para representar con precisión las características fetales, este sistema fue entrenado utilizando 20.000 volúmenes de RM para predecir la ubicación y tamaño del feto, generando representaciones tridimensionales similares a esculturas. Cada modelo incluye un esqueleto con 23 articulaciones articuladas, conocido como "árbol cinemático", que permite simular los movimientos observados durante el entrenamiento.
La precisión alcanzada por Fetal SMPL es notable; se logró una alineación promedio de solo 3.1 milímetros respecto a las imágenes de RM no vistas anteriormente, lo que equivale al grosor de un grano de arroz. Esta herramienta tiene el potencial de permitir a los médicos medir con exactitud dimensiones como el tamaño de la cabeza o abdomen del bebé y compararlas con métricas estándar de fetos saludables a la misma edad gestacional.
Desafíos y perspectivas futuras
A pesar del éxito inicial, existen limitaciones en cuanto a lo que este sistema puede analizar. Según Yingcheng Liu, estudiante de doctorado en MIT y autor principal del estudio, esta metodología solo proporciona información sobre lo visible en la superficie del feto. Para mejorar el monitoreo interno de la salud fetal —como el desarrollo del hígado, pulmones y músculos— se planea hacer que Fetal SMPL sea volumétrico, permitiendo modelar la anatomía interna a partir de escaneos.
En pruebas preliminares realizadas en Boston Children's Hospital con ecografías fetales entre las semanas 24 y 37 de gestación, Fetal SMPL superó otros sistemas existentes diseñados para modelar el crecimiento infantil. El método demostró ser eficiente al requerir solo tres iteraciones para lograr una alineación razonable con las imágenes reales.
Pionero en análisis fetal
Este trabajo representa un hito significativo al extender modelos paramétricos humanos hacia las primeras etapas de la vida humana: los fetos. La investigación no solo mejora la utilidad diagnóstica de las resonancias magnéticas fetales, sino que también ofrece nuevas perspectivas sobre el desarrollo funcional temprano del cerebro fetal en relación con sus movimientos corporales.
Los autores del estudio están programados para presentar sus hallazgos en la Conferencia Internacional sobre Computación Médica e Intervención Asistida por Ordenador (MICCAI) en septiembre. Con este avance tecnológico, se abre una nueva era en el análisis y diagnóstico prenatal que podría transformar significativamente la atención médica durante el embarazo.
Si (
No(
