La plataforma ESIST permite practicar procedimientos quirúrgicos complejos sin necesidad de un instructor, utilizando modelos anatómicos y un visor de realidad extendida.
Un equipo de investigadores de Mount Sinai, presentó un innovador sistema educativo para cirugía que combina inteligencia artificial (IA), aprendizaje profundo o deep learning y realidad extendida (XR, en inglés) con el objetivo de entrenar a médicos en procedimientos específicos sin la presencia física de un instructor. En un estudio, publicado en Journal of Medical Extended Reality, se muestran detalles sobre el sistema desarrollado por el equipo. ESIST o Educational System for Instructorless Surgical Training, como fue denominado el sistema, fue probado en la colocación de una pinza arterial durante una nefrectomía parcial laparoscópica, obteniendo resultados de precisión cercanos al 100%.
El desarrollo incluyó la creación de un modelo anatómico de riñón a partir de imágenes de tomografía computarizada, reproducido mediante impresión 3D y materiales poliméricos que simulan la textura y comportamiento de tejidos reales. Los participantes usaron un visor XR diseñado a medida, que proyectaba instrucciones y retroalimentación en tiempo real mientras permitía mantener las manos libres para la intervención.
“Por primera vez, creamos un modelo de IA vinculado a un auricular de XR para demostrar que un paso crítico en un procedimiento de cáncer de riñón podría realizarse con una precisión del 99.9%, expresó el Dr. Nelson Stone, profesor clínico de Urología, Oncología Radioterápica y Ciencias Oncológicas en Icahn en Mount Sinai, y autor correspondiente del estudio.
El sistema emplea redes neuronales profundas para analizar el flujo de video procedente de cámaras laparoscópicas y determinar si la pinza estaba colocada en la arteria, la vena, el uréter o en ninguna estructura. Ante un error, la IA enviaba indicaciones correctivas inmediatas al visor. En las pruebas con 17 participantes, entre cirujanos, residentes y personal quirúrgico, el algoritmo alcanzó una precisión del 99.91% en la identificación correcta del objetivo.
“Creemos que nuestro estudio ofrece pruebas tempranas de que los programas de IA que sustituyen a los supervisores, que enseñan a los médicos residentes, pueden reducir los costes de formación y, en última instancia, mejorar la calidad, la eficiencia y la estandarización de esa instrucción”, detalló el Dr. Stone.
Las encuestas posteriores indicaron que el 84% de las respuestas fueron favorables en cuanto a valor educativo y facilidad de uso, destacando la similitud anatómica del modelo y la utilidad de las indicaciones. Sin embargo, algunos usuarios señalaron la necesidad de mejorar la comodidad del visor y la experiencia inmersiva para equiparar la guía de un experto en persona.
“Por encima de todo, nuestro estudio demostró que un procedimiento complejo como la nefrectomía parcial podía enseñarse eficazmente a los cirujanos en formación utilizando un modelo simulado, sin la presencia de un instructor”, ahondó el Dr. Stone. “Este hallazgo aborda una necesidad urgente derivada de la escasez de instructores y supervisores para formar a los médicos en nuevos dispositivos y técnicas médicas, y de las graves limitaciones de tiempo de los médicos adjuntos para formar a los residentes que cursan carreras quirúrgicas”.
De esta forma, el estudio mostró el potencial de la IA y la XR para transformar la enseñanza quirúrgica, ofreciendo una alternativa autónoma y reproducible para entrenar habilidades críticas fuera del quirófano. Los investigadores anticipan que, con mejoras en hardware y software, sistemas como ESIST podrían ampliar su alcance a procedimientos más complejos y contribuir a estandarizar la formación quirúrgica a gran escala.
