Investigadores de la de la Universidad Politécnica de Madrid han desarrollado una herramienta basada en Inteligencia Artificial que podría hacer las operaciones en los senos paranasales y la base del cráneo mucho más seguras
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).
Un equipo de Investigadores de la Escuela Técnica Superior de Ingenieros de Telecomunicación 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. La innovación de la UPM 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 éstas 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 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 afronta un desafío recurrente en el ámbito de la investigación: la escasez de datos accesibles que permitan comparar distintos modelos de Inteligencia Artificial. Con este propósito, los autores han puesto a disposición de la comunidad científica tanto el modelo desarrollado como los escáneres anotados empleados en el estudio, reforzando su compromiso con la ciencia abierta y la colaboración internacional.
En relación con esto, la coautora del estudio Yichun Sun, afirma que "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".
Por su parte, el profesor y catedrático de la UPM Juan Ignacio Godino Llorente, que ha liderado la investigación, destaca: "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".
Este estudio –que ha sido publicado en la revista científica Computerized Medical Imaging and Graphics y ha contado con la financiación de la Agencia Estatal de Investigación de la Comunidad de Madrid– consolida el compromiso de la UPM con la investigación e innovación tecnológica en medicina.
Referencia bibliográfica:
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. https://doi.org/10.1016/j.compmedimag.2025.102541
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. https://doi.org/10.1016/j.dib.2025.111962
