Corrientes: utilizan IA para mejorar la precisión quirúrgica en cirugías laparoscópicas

En un contexto de fuerte auge de la aplicación de herramientas de Inteligencia Artificial en distintos campos disciplinares y actividades, hace algunos años un grupo integrado por docentes, investigadores y estudiantes de la UNNE y cirujanos del Hospital Escuela de la ciudad de Corrientes, de manera pionera empezó a trabajar en el desarrollo de inteligencia artificial orientada a mejorar procedimientos de cirugía.

Ese trabajo visionario, al que se fueron sumando profesionales de otras instituciones, empezó a dar sus frutos con los primeros logros y publicaciones en revistas especializadas que representan un aval de la comunidad científica.

Uno de los avances en esa línea se presentó en la revista internacional «Surgical Innovación» en el artículo «HernIA: Segmentación de estructuras anatómicas en tiempo real en hernioplastias inguinales videolaparoscópicas con IA».

En la publicación se detalla el desarrollo de un sistema basado en Inteligencia Artificial para el reconocimiento anatómico más preciso y en tiempo real en hernioplastia preperitoneal laparoscópica transabdominal (TAPP) y hernioplastia totalmente extraperitoneal (TEP).

El equipo a cargo de la innovación estuvo integrado por el Dr. Jorge Ruiz Todone, docente de «Cirugía VI» de la Facultad de Medicina de la UNNE y miembro de los servicios de Cirugía del Hospital Escuela y del Hospital de Campaña de la ciudad de Corrientes; el médico Marcelo Franco, de la Facultad de Medicina de la UNNE; Dr. Pablo Zalazar, egresado de la UNNE que trabaja en el Departamento de Cirugía de la Clínica Colón de Mar del Plata; y el médico Ciro Hernández, jefe de residentes del Departamento de Cirugía, del Hospital Escuela de Corrientes.

Relevancia

En diálogo con Unne Medios, el Dr. Ruiz Todone destacó que «HernIA» es fruto del trabajo comprometido de un equipo interinstitucional y se posiciona como una innovación en la aplicación de IA en procedimientos quirúrgicos, con diversas utilidades en beneficio de la salud de las personas que se someten a las intervenciones.

Remarcó que, como parte del desarrollo, se pudo realizar «la primera cirugía en el mundo de segmentación en tiempo real», pues en la actualidad existen programas que permiten operar teniendo en monitores la identificación de partes anatómicas mediante cuadros delimitadores sin delinear los contornos, pero con HernIA se logra visibilizar la forma precisa de estructuras sensibles lo cual favorece la precisión en disecciones complejas.

«Esta innovación, al proporcionar una precisión superior en la identificación de las partes anatóḿicas en tiempo real, contribuye a mejorar las intervenciones quirúrgicas, favorece el trabajo en cirugía en distintos entornos y se constituye en una herramienta potencial para la formación académica de especialistas«, sostuvo.

El Dr. Jorge Ruiz Todone destacó el potencial de la IA para la actividad en cirugía
Comentó que están próximos a publicar detalles de otro desarrollo de IA aplicado a la videolaparoscopía asistida de colecistectomía de vesícula, lo cual expone el potencial de la línea de abordaje iniciada.

Detalle del trabajo

En cuanto a los detalles del trabajo de desarrollo de HernIA, desde el grupo a cargo del proyecto detallaron que la hernioplastia preperitoneal transabdominal laparoscópica (TAPP) es una técnica mínimamente invasiva que reduce el dolor posoperatorio y el tiempo de recuperación en comparación con la cirugía abierta.

Sin embargo, plantea desafíos significativos, incluyendo el «efecto ping-pong», donde los cirujanos alternan el enfoque entre el campo operatorio y los monitores externos, aumentando la carga cognitiva, llevando a un cansancio visual en la identificación anatómica.

En ese sentido, existen desarrollos basado en IA orientados a la guía en tiempo real y el reconocimiento anatómico en cirugías que se centran en la identificación de estructuras mediante cuadros delimitadores generales, sin precisión de los contornos, lo que limita la precisión en disecciones complejas como la TAPP.

Además, existen sistemas de IA basados en segmentación que ofrecen precisión a nivel de píxel, sin embargo, pocos están optimizados para aplicaciones TAPP en tiempo real debido a las demandas computacionales y las limitaciones de los conjuntos de datos.

Ante ese panorama, es que surgió la propuesta «HernIA» con el fin de lograr la segmentación en tiempo real de estructuras anatómicas durante la hernioplastia preperitoneal transabdominal laparoscópica (TAPP).

Con ese fin, se utilizó el programa «YOLOv11m-seg» y se entrenó al sistema con 21.443 imágenes laparoscópicas obtenidas de 45 procedimientos TAPP realizados en la Clínica Colón de Mar del Plata y el Hospital de Campaña Escuela Hogar de Corrientes.

Un grupo laparoscopistas expertos anotaron cinco clases anatómicas mediante Roboflow siguiendo un protocolo estandarizado, y para garantizar la consistencia, las anotaciones fueron validadas de forma cruzada por al menos dos expertos, logrando una alta fiabilidad.

El modelo fue validado mediante una validación cruzada, con el 80% del conjunto de datos para entrenamiento y el 20% para pruebas por pliegue, en tanto, la validación clínica se realizó en un caso de cirugía de hernia bilateral, con resultados comparados con la identificación manual por cirujanos expertos.

Principales conclusiones

Entre las prestaciones del desarrollo, se destaca que HernIA logró una reducción de identificación falsa en un 62% en comparación con la segmentación manual en un entorno TAPP.

También se menciona el rendimiento en tiempo real, pues HernIA procesó 10 800 fotogramas a 24 FPS con una latencia de 42 milisegundos, y las imágenes de la torre de laparoscopia se procesaron en tiempo real y se visualizaron en un monitor complementario, lo que garantizó una integración fluida con el flujo de trabajo quirúrgico.

Se realizó una comparación con otros sistemas basados en detección, y se expone que la segmentación a nivel de píxel de HernIA proporciona una precisión superior en disecciones complejas, crucial para evitar lesiones vasculares.

En cuanto a la comparación con otros sistemas de inteligencia artificial quirúrgica, HernIA destaca en entornos laparoscópicos dinámicos, ofreciendo segmentación en tiempo real, y que no requieren planificación preoperatoria.

Se destaca asimismo que algunos desarrollos de IA para TAPP se centran en el reconocimiento de las capas de disección, no en la segmentación en tiempo real, «lo que convierte al enfoque de HernIA en un sistema único para la guía intraoperatoria».

En la misma línea, se menciona el sistema Da Vinci que ofrece precisión robótica, pero es costoso y requiere capacitación especializada, mientras que HernIA se integra con equipos estándar, lo que mejora la accesibilidad.

Perspectivas

«Los estudios futuros de incorporación de más datos multicéntricos de casos de TAPP permitirán validar aún más el modelo, y enriquecerlo», destacó el Dr. Ruiz Todone en diálogo con UNNE Medios.

Agregó que también se proyecta la realización de ensayos clínicos en mayor escala para precisar su impacto en los procedimientos quirúrgicos.

Manifestó que un resultado de HerNIA son los beneficios clínicos y educativos, pues la reducción de errores logrado sugiere potencial para mejorar la seguridad, especialmente en entornos de bajos recursos donde la supervisión experta es limitada, y además puede optimizar la curva de aprendizaje para principiantes en TAPP.

Por otra parte, sobre la relevancia del trabajo, señaló que resulta muy satisfactorio que la UNNE integre este proyecto pionero que sobresale en el plano nacional e internacional, y haber sido pioneros en segmentación anatómica en colecistectomía laparoscópica.

«Son numerosas las ideas que nos van surgiendo para seguir avanzando en innovaciones con IA para la actividad en cirugía», concluyó.