AI-Based System for Assistance in Minimally Invasive Renal Procedures Using Mixed Reality. First Steps

Resumen

El objetivo principal de este estudio es la implementación y configuración de un sistema de asistencia para cirugías renales mínimamente invasivas, que incorpora un módulo de segmentación automática de la anatomía renal basado en Inteligencia Artificial (IA) y utilizando estudios de imágenes de tomografía computarizada (TC), así como su integración en un sistema de realidad mixta (RM) inmersiva e interactiva. El propósito es enriquecer la planificación quirúrgica, garantizando una mayor precisión y seguridad para mejorar los resultados en los pacientes. El conjunto de datos de imágenes utilizado en este estudio proviene del reto KITS23, del cual se seleccionaron aleatoriamente 20 estudios de TC entre los 489 disponibles con anotaciones de referencia (ground truth). La interfaz interactiva en RM fue desarrollada utilizando Unity en combinación con el dispositivo Microsoft HoloLens v2. Para la segmentación de imágenes médicas se empleó el modelo de IA Vista3D, debido a su versatilidad y alto rendimiento. Todos los estudios fueron segmentados con éxito, mostrando una distribución de puntuaciones Dice con una alta concentración de valores por encima de 0.8 para la segmentación de la anatomía renal, lo que indica un rendimiento robusto y consistente. Sin embargo, en el caso de la segmentación de quistes, la distribución de puntuaciones Dice reveló una proporción significativa de valores bajos, reflejando la complejidad de este tipo de estructuras anatómicas. Además, se desarrolló una aplicación para la visualización en RM de modelos anatómicos renales en 3D, con el fin de facilitar la planificación quirúrgica. Esta aplicación permite a los clínicos identificar con mayor precisión la anatomía renal, complementando y mejorando los métodos tradicionales de planificación. El desarrollo de este sistema de asistencia sienta las bases para una mayor precisión, reducción de errores y mejores resultados quirúrgicos, contribuyendo a procedimientos más seguros y eficientes.

Publicación
Pattern Recognition and Image Analysis
Roberto Rodriguez-Echeverria
Roberto Rodriguez-Echeverria
Profesor titular

Profesor titular en la Universidad de Extremadura. Software passionate, Deep learner, MTB rider and father of 2.