El sistema incorpora la simetría de la cabeza para seguir su orientación durante la resonancia. Por ahora, se entrenó principalmente con imágenes del tercer trimestre.
Investigadores del MIT, el Hospital Infantil de Boston e Inria desarrollaron E(3)-Pose, un modelo de inteligencia artificial que estima la posición de la cabeza fetal durante una resonancia magnética. El objetivo es ayudar a orientar la adquisición de imágenes y reconstruir volúmenes más completos del cerebro, aunque la herramienta todavía debe adaptarse a fetos de etapas más tempranas del embarazo.
El movimiento puede dejar vacíos en la resonancia
Una resonancia fetal reúne imágenes bidimensionales que luego se organizan para formar una representación tridimensional de la cabeza. Si el feto se mueve durante el examen, las secciones pueden quedar capturadas desde orientaciones distintas, con áreas sin cobertura o difíciles de interpretar.
Esos vacíos pueden dificultar que los radiólogos observen regiones cerebrales importantes y evalúen posibles alteraciones del desarrollo. Ramya Muthukrishnan, primera autora del trabajo y estudiante de doctorado en el MIT, explicó que el movimiento puede dispersar y desordenar las imágenes.
El trabajo no presenta cifras de precisión clínica ni resultados que permitan afirmar que E(3)-Pose ya evita diagnósticos equivocados. La propuesta es contribuir a una adquisición más ordenada y a una reconstrucción que facilite la revisión médica.
El modelo incorpora la simetría de la cabeza
E(3)-Pose emplea aprendizaje profundo para estimar la posición de la cabeza, pero incorpora en su arquitectura la simetría entre los lados izquierdo y derecho. Así, el modelo no depende únicamente de lo que aprende a partir de ejemplos para reconocer la orientación de las imágenes.
El equipo plantea que esa estimación pueda ayudar a ajustar la adquisición mientras transcurre la resonancia y a organizar las distintas secciones. Polina Golland, investigadora del MIT, describió el proyecto como una combinación de principios geométricos y cambios en la forma de obtener las imágenes.
El trabajo fue presentado en la Conferencia Europea de Visión por Computadora de 2026. A diferencia de un sistema limitado al análisis posterior, los investigadores buscan que el modelo también contribuya a orientar la captura durante el examen.
La ampliación a fetos más pequeños sigue pendiente
El modelo se entrenó principalmente con imágenes de fetos del tercer trimestre. Muthukrishnan dijo que espera adaptarlo a etapas anteriores, cuando las estructuras son más pequeñas y el movimiento puede plantear mayores dificultades.
El equipo considera que una detección más temprana de anomalías cerebrales podría facilitar una intervención, pero el material publicado no detalla tratamientos ni resultados clínicos vinculados con E(3)-Pose. Tampoco demuestra que la herramienta ya reduzca la duración de los exámenes o mejore sus resultados médicos.
La investigación reunió especialistas en aprendizaje automático, radiología y adquisición de imágenes. Entre ellos estuvieron Borjan Gagoski, de la Escuela de Medicina de Harvard y del Hospital Infantil de Boston, quien desarrolló una secuencia para obtener imágenes adicionales útiles para el entrenamiento, y Aryn Lee, asistente de investigación que participó en la captación de voluntarias y la adquisición de resonancias.
Los autores también plantearon que el método podría explorarse para visualizar otras anatomías y en sistemas de conducción autónoma. Esos usos son posibilidades mencionadas por el equipo, no aplicaciones clínicas o comerciales demostradas en el material disponible.
Contenido redactado con asistencia de un LLM.
