El diagnóstico de anomalías en el desarrollo cerebral durante la gestación se enfrenta a un desafío constante: el movimiento del feto dentro del vientre materno. Para resolver este problema, investigadoras del Instituto Tecnológico de Massachusetts (MIT) y del Boston Children’s Hospital han diseñado un modelo de inteligencia artificial denominado E(3)-Pose que promete transformar las resonancias magnéticas fetales.
Presentado en la Conferencia Europea sobre Visión por Computador (ECCV 2026), este sistema incorpora las leyes fundamentales de la física y la simetría bilateral de la cabeza fetal directamente en la arquitectura de su red neuronal. Al ajustar las imágenes en tiempo real a medida que el feto se mueve, la herramienta permite reconstruir volúmenes tridimensionales de alta resolución sin vacíos de información. Esta innovación elimina la necesidad de repetir incómodas pruebas médicas a las mujeres embarazadas y ayuda a los neurorradiólogos a detectar malformaciones con mayor exactitud en etapas tempranas del embarazo, cuando las intervenciones médicas resultan más eficaces.
¿En qué consiste E(3)-Pose y cómo enseña simetría a la IA?
El desarrollo del cerebro humano durante la etapa gestacional es un proceso delicado y vulnerable a alteraciones genéticas, ambientales o metabólicas. Cuando una ecografía rutinaria detecta una posible anomalía, los especialistas derivan a la madre a una resonancia magnética fetal para obtener un diagnóstico detallado. Sin embargo, esta prueba se topa con un obstáculo físico inevitable: el movimiento impredecible del bebé dentro del útero.
Durante una exploración de resonancia magnética, el escáner no captura una imagen tridimensional instantánea, sino una secuencia de cortes bidimensionales que, al apilarse de forma ordenada, componen un volumen completo en 3D del cerebro. Si el feto gira o mueve la cabeza entre toma y toma, los cortes se registran desde ángulos distintos y descentrados. Esto genera vacíos de información e imágenes distorsionadas que dificultan la labor del radiólogo a la hora de identificar patologías complejas.
Para solucionar este problema, el equipo de investigación ha desarrollado E(3)-Pose, un modelo de aprendizaje profundo que rastrea el movimiento de la cabeza en tiempo real mientras el escáner opera. La clave diferencial de este sistema radica en que no intenta adivinar el movimiento basándose solo en estadísticas de datos previos; en su lugar, integra la física y la simetría bilateral de la anatomía humana dentro de la propia arquitectura de la red neuronal.
Al programar la equivalencia geométrica e incorporar el conocimiento implícito de que el cerebro fetal posee dos hemisferios simétricos (izquierda y derecha), la inteligencia artificial deduce con mayor rapidez la orientación exacta de la cabeza. Gracias a esta información geométrica predefinida, el modelo ajusta los parámetros de captura al instante y corrige la alineación de las imágenes antes de que se produzcan errores irreversibles en el escaneo.
Por qué importa: escaneos más rápidos y diagnósticos precisos
La imprevisibilidad de los movimientos fetales no solo complica la lectura de las imágenes, sino que somete a las pacientes a sesiones prolongadas e incómodas. En la práctica clínica actual, es frecuente que las mujeres embarazadas pasen hasta una hora dentro del escáner de resonancia, para terminar interrumpiendo la prueba debido a la molestia o sin obtener una imagen válida.
La automatización que aporta este nuevo método promete transformar la rutina en los servicios de radiología pediátrica y prenatal. Entre las principales ventajas que aporta la integración de la simetría en el procesamiento de imágenes médicas destacan:
- Mayor comodidad para las pacientes: reduce los tiempos de permanencia en el tubo de resonancia y disminuye drásticamente la tasa de exploraciones fallidas o canceladas.
- Imágenes de alta resolución sin lagunas: permite apilar los cortes bidimensionales con precisión milimétrica, eliminando los ángulos erróneos y los huecos de cobertura en áreas cerebrales críticas.
- Diagnóstico precoz y fiable: al ofrecer una reconstrucción volumétrica clara, facilita a los radiólogos la detección temprana de anomalías del desarrollo neurológico.
- Versatilidad tecnológica: los principios matemáticos aplicados al rastreo de objetos tridimensionales en movimiento pueden extrapolarse a otras pruebas médicas complejas e incluso a la visión computacional en vehículos autónomos.
Poder observar los detalles más finos del tejido cerebral fetal es indispensable para planificar tratamientos antes o inmediatamente después del nacimiento, lo que se traduce en un impacto directo en el pronóstico del recién nacido.
Quién hay detrás: investigación multidisciplinar e hitos técnicos
El desarrollo de E(3)-Pose ha sido liderado por Ramya Muthukrishnan, investigadora predoctoral en el Instituto Tecnológico de Massachusetts (MIT), bajo la supervisión de la profesora Polina Golland. El proyecto combina la ingeniería informática con la práctica médica directa, contando con la colaboración del Boston Children’s Hospital y del centro de investigación francés Inria.
El origen de esta tecnología nació de la experiencia directa en el entorno hospitalario. Tras acompañar a especialistas en radiología prenatal y presenciar la frustración compartida de madres y médicos ante escaneos incompletos, Muthukrishnan orientó su tesis doctoral hacia la resolución de este problema práctico. La transición del software teórico al hardware real supuso importantes retos técnicos, incluyendo múltiples fallos en los escáneres durante las primeras pruebas de implementación.
Para hacer posible la validación del sistema, el equipo contó con la colaboración del profesor Borjan Gagoski, de la Escuela de Medicina de Harvard, quien diseñó secuencias específicas de resonancia para entrenar el modelo, y de investigadores del Centro de Neuroimagen Fetal y Neonatal (FNNDSC) del hospital bostoniano. Trabajo respaldado institucionalmente por la Clínica Jameel del MIT para el aprendizaje automático en salud, el estudio ha sido presentado en la Conferencia Europea sobre Visión por Computador (ECCV).
El futuro del diagnóstico prenatal y próximos pasos
Aunque los resultados actuales demuestran la eficacia de E(3)-Pose en imágenes del tercer trimestre de gestación, el objetivo inmediato del equipo es optimizar el modelo para su aplicación durante el segundo trimestre del embarazo.
En esta etapa más temprana, el feto tiene un tamaño menor y dispone de más espacio en la cavidad uterina, lo que se traduce en movimientos mucho más frecuentes y amplios. Conseguir un rastreo preciso en el segundo trimestre resulta clave para la medicina fetal, ya que cuanto antes se detecte una anomalía cerebral, mayores son las opciones médicas y quirúrgicas disponibles para intervenir y mejorar la calidad de vida del paciente.
El uso de principios físicos y geométricos como la simetría para guiar a la inteligencia artificial marca un camino prometedor hacia una medicina diagnóstica más automatizada, precisa y humana, donde la tecnología se adapte a las condiciones del paciente y no a la inversa.
