Una herramienta de aprendizaje automático brinda a los médicos una imagen 3D más detallada de la salud fetal

Investigadores del CSAIL del MIT han desarrollado una herramienta capaz de modelar la forma y los movimientos de los fetos en 3D, lo que podría ayudar a los médicos a detectar anomalías y realizar diagnósticos.

Publicado originalmente por Alex Shipps | CSAIL del MIT en MT News, el 15 de septiembre de 2025

Fetal SMPL se entrenó con 20 000 volúmenes de resonancia magnética para predecir la ubicación y el tamaño de un feto y crear representaciones 3D similares a esculturas. Este enfoque podría permitir a los médicos medir con precisión aspectos como el tamaño de la cabeza del bebé y comparar estas métricas con fetos sanos de la misma edad. Créditos: Imagen: Alex Shipps y Yingcheng Liu/MIT CSAIL

Para las mujeres embarazadas, las ecografías son un procedimiento informativo (y a veces necesario). Por lo general, producen imágenes bidimensionales en blanco y negro de los fetos que pueden revelar información clave, como el sexo biológico, el tamaño aproximado y anomalías como problemas cardíacos o labio leporino. Si su médico desea examinarlo con mayor detalle, puede utilizar la resonancia magnética (RM), que utiliza campos magnéticos para capturar imágenes que se pueden combinar para crear una vista en 3D del feto.

Sin embargo, las IRM no lo abarcan todo; a los médicos les resulta difícil interpretar las imágenes tridimensionales con la precisión suficiente para diagnosticar problemas, ya que nuestro sistema visual no está acostumbrado a procesar imágenes volumétricas en 3D (en otras palabras, una visión envolvente que también nos muestra las estructuras internas de un sujeto). Aquí entra en juego el aprendizaje automático, que podría ayudar a modelar el desarrollo del feto de forma más clara y precisa a partir de los datos, aunque ningún algoritmo ha sido capaz de modelar sus movimientos algo aleatorios y sus diversas formas corporales.

Es decir, hasta que un nuevo enfoque denominado «Fetal SMPL», desarrollado por el Laboratorio de Ciencias Informáticas e Inteligencia Artificial (CSAIL) del MIT, el Hospital Infantil de Boston (BCH) y la Facultad de Medicina de Harvard, presentó a los médicos una imagen más detallada de la salud fetal. Se adaptó a partir del «SMPL» (modelo lineal multipersonal con piel), un modelo 3D computerizado desarrollado por medio de gráficos para capturar las formas y posturas del cuerpo adulto, como una forma de representar con precisión las formas y posturas del cuerpo fetal. A continuación, el SMPL fetal se entrenó con 20 000 volúmenes de resonancia magnética para predecir la ubicación y el tamaño de un feto y crear representaciones 3D similares a esculturas. Dentro de cada modelo hay un esqueleto con 23 articulaciones llamadas «árbol cinemático», que el sistema utiliza para adoptar posturas y moverse como los fetos que vio durante el entrenamiento.

La extensa cantidad de escáneres del mundo real con los que aprendió el SMPL fetal le ayudaron a desarrollar el modelo con una precisión milimétrica. Imagina pisar la huella de un desconocido con los ojos vendados y que no solo encaje perfectamente, sino que además adivines correctamente qué zapato llevaba puesto. De forma similar, la herramienta coincidió de forma muy precisa con la posición y el tamaño de los fetos en los marcos de resonancia magnética que no había visto antes. El SMPL fetal solo se desalineó una media de unos 3,1 milímetros, una diferencia menor que un grano de arroz.

Este enfoque podría permitir a los médicos medir con precisión aspectos como el tamaño de la cabeza o el abdomen del bebé y comparar estas métricas con las de fetos sanos de la misma edad. El SMPL fetal ha demostrado su potencial clínico en las primeras pruebas, en las que ha logrado resultados de alineación precisos en un pequeño grupo de escáneres del mundo real.

«Puede ser difícil estimar la forma y la postura de un feto, ya que están apretujados en el estrecho espacio del útero», afirma el autor principal, estudiante de doctorado del MIT e investigador del CSAIL, Yingcheng Liu SM '21. «Nuestro enfoque supera este reto utilizando un sistema de huesos interconectados bajo la superficie del modelo 3D, que representan el cuerpo fetal y sus movimientos de forma realista. A continuación, se basa en un algoritmo de descenso coordinado para realizar una predicción, alternando esencialmente entre adivinar la postura y la forma a partir de datos complicados hasta encontrar una estimación fiable».

En el útero

El SMPL fetal se probó en cuanto a la precisión de la forma y la postura con respecto a la referencia más cercana que pudieron encontrar los investigadores: 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 % para igualar las condiciones.

El sistema superó esta referencia en un conjunto de datos de resonancias magnéticas fetales entre las 24 y las 37 semanas de gestación tomadas en el Boston Children's Hospital. El SMPL fetal fue capaz de recrear escáneres reales con mayor precisión, ya que sus modelos se alineaban estrechamente con las resonancias magnéticas reales.

El método fue eficaz a la hora de alinear sus modelos con las imágenes, ya que solo se necesitaron tres iteraciones para llegar a una alineación razonable. En un experimento en el que se contó el número de conjeturas incorrectas que había hecho el SMPL fetal antes de llegar a una estimación final, su precisión se estabilizó a partir del cuarto paso. 

Los investigadores acaban de empezar a probar su sistema en el mundo real, donde ha producido modelos igualmente precisos en las pruebas clínicas iniciales. Aunque estos resultados son prometedores, el equipo señala que tendrá que aplicar sus resultados a poblaciones más amplias, diferentes edades gestacionales y una variedad de casos de enfermedades para comprender mejor las capacidades del sistema.

Solo en la superficie

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 similares a los huesos se encuentran debajo de la piel de los modelos. Para monitorizar mejor la salud interna de los bebés, como el desarrollo del hígado, los pulmones y los músculos, el equipo tiene la intención de hacer que su herramienta sea volumétrica, modelando la anatomía interna del feto a partir de escaners. Tales actualizaciones harían que los modelos se parezcan más a los humanos, pero la versión actual de Fetal SMPL ya presenta una actualización precisa (y única) para el análisis de salud fetal en 3D.

"Este estudio presenta un método diseñado específicamente para la resonancia magnética fetal que captura eficazmente los movimientos fetales, mejorando la evaluación del desarrollo y la salud fetal", dice Kiho Im, profesor asociado de pediatría de la Escuela de Medicina de Harvard y científico de la División de Medicina del Recién Nacido en el Centro de Neuroimagen y Desarrollo Fetal-Neonatal de BCH. Im, que no participó en el artículo, agrega que este enfoque "no solo mejorará la utilidad diagnóstica 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 supone un hito pionero al extender los modelos paramétricos del cuerpo humano de superficie para las formas más tempranas de la vida humana: los fetos", dice Sergi Pujades, profesor asociado de la Universidad de Grenoble Alpes, que no participó en la investigación. Nos permite desenredar la forma y el movimiento de un ser humano, lo 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 del neurodesarrollo. Además, el hecho de que el modelo fetal provenga y sea compatible con los modelos corporales de adultos (SMPL) y bebés (SMIL), nos permitirá estudiar la evolución de la forma humana y la postura durante largos períodos de tiempo. Esta es una oportunidad sin precedentes para cuantificar aún más cómo la forma, el crecimiento y el movimiento humanos se ven afectados por diferentes condiciones". Liu escribió el artículo con tres miembros de CSAIL: Peiqi Wang SM '22, PhD '25; el estudiante de doctorado del MIT Sebastián Díaz; y la autora principal Polina Golland, profesora de Ingeniería Eléctrica y Ciencias de la Computación Sunlin y Priscilla Chou, investigadora principal en MIT CSAIL y líder del Grupo de Visión Médica. La profesora asistente de pediatría de BCH, Esra Abaci Turk, el investigador de Inria, Benjamin Billot, y la profesora de pediatría y profesora de radiología de la Escuela de Medicina de Harvard, Patricia Ellen Grant, también son autores del artículo. 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 Imágenes Médicas e Intervención Asistida por Computadora (MICCAI) en septiembre.

Artículo original