El modelo, desarrollado con datos de más de 1,400 pacientes en China y Hong Kong, planifica los segmentos de fusión vertebral y simula el aspecto de la columna tras la cirugía.
Un equipo de investigadores de la Universidad de Nanjing, la Universidad China de Hong Kong y otras instituciones desarrolló un sistema de inteligencia artificial (IA) capaz de asistir en la planificación quirúrgica de la escoliosis idiopática del adolescente (EIA) y de predecir la alineación de la columna después de la operación. El trabajo, publicado en npj Digital Medicine, se basó en datos de 1,425 pacientes con seguimiento de al menos dos años, provenientes de tres centros médicos en China continental y Hong Kong.
La EIA es la variante más común de esta condición y se estima que afecta entre 1% y 5% de la población juvenil, con más de 4 millones de casos en China y aproximadamente 300 mil diagnósticos nuevos cada año. Aunque las etapas iniciales suelen tratarse con corsés o fisioterapia, cerca de 10% de los pacientes requiere cirugía correctiva debido a la severidad de la curvatura o al fracaso del tratamiento conservador. Uno de los mayores retos en estos procedimientos es determinar con precisión qué segmentos de la columna deben fusionarse, una decisión que hasta ahora depende en gran medida de la experiencia del cirujano y que, cuando se elige mal, puede derivar en complicaciones como el desequilibrio de la columna o la necesidad de una segunda cirugía.
El sistema desarrollado, llamado ScoliosisPLAN, está compuesto por dos módulos. El primero, ScolioPlanNet, utiliza una arquitectura de segmentación de imágenes basada en YOLOv8 para identificar de manera automática qué vértebras deben incluirse en la fusión quirúrgica, tomando en cuenta radiografías con flexión de la columna. El segundo módulo, ScolioPredNet, emplea un modelo de difusión latente para generar una simulación de cómo se verá la columna del paciente después de la cirugía, a partir de las radiografías previas a la operación.
Para evaluar la precisión del primer módulo, los investigadores compararon sus predicciones con las decisiones reales tomadas por los cirujanos durante la operación, consideradas como referencia. En el conjunto de datos del hospital de Nanjing, el modelo alcanzó un error absoluto medio de 0.34 segmentos vertebrales en la predicción del número total de niveles de fusión, un resultado cercano al de un cirujano con 14 años de experiencia, cuyo margen de error fue de 0.30, y superior al de un cirujano con cinco años de trayectoria, que registró un error de 0.67. En los centros externos de Beijing y Hong Kong, el sistema mantuvo un desempeño sólido, con errores de 0.63 y 0.52 segmentos respectivamente, aunque con una ligera disminución respecto al centro donde fue entrenado originalmente.
El segundo módulo, encargado de predecir la apariencia postoperatoria de la columna, mostró también resultados favorables frente a otros modelos generativos utilizados como comparación, denominados Pix2Pix y Pix2PixHD. En la predicción del ángulo de Cobb de la curva principal, una medida estándar para cuantificar la severidad de la escoliosis, ScolioPredNet obtuvo un error absoluto medio de 2.94 grados en el centro de Nanjing, frente a errores de 4.75 y 5.11 grados de los modelos de comparación. El sistema mantuvo un desempeño consistente en los centros externos, con coeficientes de correlación superiores a 0.77 en todos los parámetros evaluados.
Los autores señalan que el sistema no busca definir cuál es la estrategia quirúrgica óptima, sino modelar y estandarizar los patrones de decisión de cirujanos expertos a partir de la práctica clínica real. En 42 casos donde los pacientes desarrollaron complicaciones a largo plazo, el modelo coincidió con la decisión del cirujano en 66.7% de las ocasiones, mientras que en el resto sugirió construcciones de fusión más largas o más cortas que las elegidas originalmente, una discrepancia que los investigadores consideran relevante para futuras investigaciones sobre estrategias alternativas.
Entre las limitaciones reconocidas por el equipo se encuentra que los niveles de fusión utilizados como referencia provienen de decisiones quirúrgicas reales, que no necesariamente representan la estrategia óptima y podrían reflejar sesgos propios de cada cirujano o institución. Asimismo, los pacientes con complicaciones postoperatorias fueron excluidos de parte del análisis, lo que pudo introducir un sesgo optimista en los resultados. Los autores también advirtieron que la validación se realizó en su mayoría con población del este asiático, por lo que la aplicabilidad del sistema en poblaciones occidentales o con otras características étnicas y socioeconómicas aún debe evaluarse.
