Para las mujeres embarazadas, los ultrasonidos son un procedimiento informativo (y a veces necesario). Por lo general, producen escaneos de fetos en blanco y negro bidimensionales que pueden revelar ideas clave, que incluyen sexo biológico, tamaño aproximado y anormalidades como problemas cardíacos o labios hendidos. Si su médico quiere un aspecto más cercano, puede usar imágenes de resonancia magnética (MRI), que utiliza campos magnéticos para capturar imágenes que se pueden combinar para crear una vista 3D del feto.
Sin embargo, las resonancias magnéticas no son todos todos; Los escaneos 3D son difíciles para los médicos de interpretar lo suficientemente bien como para diagnosticar problemas porque nuestro sistema visual no está acostumbrado a procesar escaneos volumétricos 3D (en otras palabras, un aspecto envuelto que también nos muestra las estructuras internas de un sujeto). Ingrese al aprendizaje automático, que podría ayudar a modelar el desarrollo de un feto de manera más clara y precisa de los datos, aunque tal algoritmo ha podido modelar sus movimientos un poco aleatorios y varias formas corporales.
Es decir, hasta que un nuevo enfoque llamado «SMPL fetal» del Laboratorio de Informática e Inteligencia Artificial del MIT (CSAIL), el Boston Children’s Hospital (BCH) y la Escuela de Medicina de Harvard presentaron a los médicos una imagen más detallada de la salud fetal. Se adaptó de «SMPL» (modelo lineal de múltiples personas de piel), un modelo 3D desarrollado en gráficos por computadora para capturar formas y posturas para el cuerpo adultos, como una forma de representar formas y poses del cuerpo fetal con precisión. Luego, SMPL fetal fue entrenado en 20,000 volúmenes de resonancia magnética para predecir la ubicación y el tamaño de un feto y crear representaciones 3D similares a la escultura. Dentro de cada modelo hay un esqueleto con 23 articulaciones articuladas llamadas «árbol cinemático», que el sistema utiliza para posar y moverse como los fetos que vio durante el entrenamiento.
Los extensos escaneos del mundo real de los que aprendió SMPL fetal ayudó a desarrollar una precisión precisa. Imagínese entrar en la huella de un extraño mientras está con los ojos vendados, y no solo encaja perfectamente, sino que adivina correctamente qué zapato usaban, de manera similar, la herramienta coincidía estrechamente con la posición y el tamaño de los fetos en los marcos de resonancia magnética que no había visto antes. SMPL fetal solo fue desalineado por un promedio de aproximadamente 3.1 milímetros, un espacio más pequeño que un solo grano de arroz.
El enfoque podría permitir a los médicos medir con precisión cosas como el tamaño de la cabeza o el abdomen de un bebé y comparar estas métricas con fetos saludables a la misma edad. SMPL fetal ha demostrado su potencial clínico en las pruebas tempranas, donde logró resultados de alineación precisos en un pequeño grupo de escaneos del mundo real.
«Puede ser un desafío estimar la forma y la pose de un feto porque están abarrotados en los límites apretados del útero», dice el autor principal, estudiante de doctorado del MIT e investigador de CSAIL Yingcheng Liu SM ’21. «Nuestro enfoque supera este desafío utilizando un sistema de huesos interconectados debajo de la superficie del modelo 3D, que representan el cuerpo fetal y sus movimientos de manera realista. Luego, se basa en un algoritmo de descenso de coordenadas para hacer una predicción, esencialmente alternando entre una posición y forma de datos difíciles hasta que encuentra una estimación confiable».
En el útero
SMPL fetal se probó en forma y posee precisión contra la línea de base más cercana que los investigadores pudieron encontrar: un sistema que modela el crecimiento infantil llamado «SMIL». Dado que los bebés fuera del útero son más grandes que los fetos, el equipo redujo esos modelos en un 75 por ciento para nivelar el campo de juego.
El sistema superó a esta línea de base en un conjunto de datos de resonancia magnética fetal entre las edades gestacionales de 24 y 37 semanas tomadas en el Boston Children’s Hospital. Fetal SMPL pudo recrear escaneos reales con mayor precisión, ya que sus modelos se alinearon con resonancia magnética real.
El método era eficiente para alinear sus modelos a las imágenes, solo necesitaba tres iteraciones para llegar a una alineación razonable. En un experimento que contó cuántas conjeturas incorrectas había hecho SMPL antes de llegar a una estimación final, su precisión se estabilizó desde el cuarto paso en adelante.
Los investigadores acaban de comenzar a probar su sistema en el mundo real, donde produjo modelos igualmente precisos en las pruebas clínicas iniciales. Si bien estos resultados son prometedores, el equipo señala que deberán aplicar sus resultados a poblaciones más grandes, diferentes edades gestacionales y una variedad de casos de enfermedades para comprender mejor las capacidades del sistema.
Solo piel profunda
Liu también señala que su sistema solo ayuda a analizar lo que los médicos pueden ver en la superficie de un feto, ya que solo las estructuras con forma de hueso se encuentran debajo de la piel de los modelos. Para monitorear mejor la salud interna de los bebés, como el desarrollo de hígado, pulmón y muscular, el equipo tiene la intención de hacer que su herramienta sea volumétrica, modelando la anatomía interna del feto a partir de escaneos. Dichas actualizaciones harían que los modelos sean más humanos, pero la versión actual de Fetal SMPL ya presenta una actualización precisa (y única) al análisis de salud fetal 3D.
«Este estudio introduce un método diseñado específicamente para la resonancia magnética fetal que captura de manera efectiva los movimientos fetales, mejorando la evaluación del desarrollo fetal y la salud», dice Kiho IM, profesora asociada de pediatría y científicos de personal de la Escuela de Medicina de Harvard en la División de Medicina del Recién nacido en la neuroimagen fetal-neonatal de BCH y el Centro de Ciencias de la Ciencias del Desarrollo. IM, que no participó en el documento, agrega que este enfoque «no solo mejorará la utilidad de diagnóstico de la resonancia magnética fetal, sino que también proporcionará información sobre el desarrollo funcional temprano del cerebro fetal en relación con los movimientos corporales».
«Este trabajo alcanza un hito pionero al extender modelos de cuerpo humano de superficie paramétrica para las primeras formas de la vida humana: fetos», dice Sergi Pujades, profesor asociado de la Universidad Grenoble Alpes, que no estuvo involucrado en la investigación. «Nos permite desenredar la forma y el movimiento de un humano, que ya ha demostrado ser clave para comprender cómo la forma del cuerpo adulto se relaciona con las condiciones metabólicas y cómo el movimiento infantil se relaciona con los trastornos neuros de desarrollo neurológico. Además, el hecho de que el modelo fetal se deriva, y es compatible con el tiempo de los modelos de los bueyes de la evidencia y la evidencia de los infantes (SMIL). La oportunidad de cuantificar aún más cómo el crecimiento y el movimiento de la forma humana se ven afectados por diferentes condiciones «.
Liu escribió el artículo con tres miembros de CSAIL: Peiqi Wang SM ’22, PhD ’25; MIT PhD Student Sebastian Díaz; y la autora senior Polina Golland, la profesora de Sunlin y Priscilla Chou de Ingeniería Eléctrica e Informática, investigadora principal en MIT CSail y el líder del Grupo de Visión Médica. Profesora Asistente de Pediatría de BCH Esra Abaci Turk, el investigador de INRIA Benjamin Billot y la profesora de Pediatría de la Escuela de Medicina de Harvard y profesora de radiología Patricia Ellen Grant también son autores en el documento. Este trabajo fue apoyado, en parte, por los Institutos Nacionales de Salud y el programa MIT CSAIL-Wistron.
Los investigadores presentarán su trabajo en la Conferencia Internacional sobre Computación de Imagen Médica e intervención asistida por computadora (MICCAI) en septiembre.
