Investigadores del MIT, el Boston Children's Hospital e Inria desarrollaron y entrenaron E(3)-Pose, un modelo de aprendizaje profundo que ayuda a captar la cabeza del feto mientras se mueve, para obtener una imagen de alta resolución que el radiólogo pueda examinar. El trabajo se presentó en la Conferencia Europea de Visión por Computador 2026.

Pese a millones de años de evolución, el desarrollo del feto humano sigue siendo un proceso complejo y vulnerable a alteraciones genéticas, ambientales y metabólicas. Esas alteraciones pueden provocar anomalías del desarrollo, empezando por uno de los primeros órganos que se forman en el feto y que sigue desarrollándose después del nacimiento, el cerebro.

En una ecografía prenatal de rutina, el ecografista marca las posibles anomalías cerebrales para pedir una resonancia magnética (RM) adicional. Pero una imagen imperfecta puede llevar a diagnósticos omitidos o equivocados.

¿Por qué el movimiento del feto arruina la resonancia?

"Uno de los problemas de que el bebé se mueva es que los cortes quedan por todos lados", dice la primera autora, Ramya Muthukrishnan, estudiante de doctorado del MIT en el laboratorio de Polina Golland, profesora de Ingeniería Eléctrica y Ciencias de la Computación e investigadora principal de la Clínica Abdul Latif Jameel de Aprendizaje Automático en Salud del MIT (Jameel Clinic) y del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL).

Con cortes, Muthukrishnan se refiere a la serie de imágenes 2D que se toman durante una resonancia fetal. Esos planos 2D apilados forman una sola imagen 3D de alta resolución de la cabeza del feto. Si la cabeza se mueve durante el examen, cada corte puede quedar tomado desde un ángulo distinto, lo que deja huecos en el resultado final y orientaciones de corte anómalas. Esos problemas pueden hacer que el médico que revisa la resonancia pase por alto una patología del cerebro fetal o la diagnostique mal.

"Hay detalles muy finos para los que se necesita una muy buena imagen volumétrica del cerebro", explica Muthukrishnan. "Si hay huecos de cobertura, no se ven regiones críticas, y para detectar un desarrollo anormal hay que poder ver bien."

La física metida en la red neuronal

Lo que hace a E(3)-Pose especialmente bueno para seguir el movimiento fetal es su enfoque en la física. En vez de entrenar al modelo para que aprenda la física a partir de los datos, los principios físicos van incorporados en la propia red neuronal. La simetría izquierda derecha de la cabeza fetal está integrada en la arquitectura del modelo, y eso le facilita identificar con precisión la orientación del cerebro.

Cuando Muthukrishnan empezó a trabajar en el proyecto, al inicio de su doctorado, no tenía formación en física, mucho menos en física de resonancia magnética. Casi toda su experiencia era en ciencias de la computación.

"Me sorprendió cuando tuve que ir a implementar esto en el resonador", recuerda. "No estaba preparada para la cantidad de veces que iba a botar el resonador, porque poner cosas en el hardware y hacerlas funcionar ahí es una bestia distinta a entrenar un modelo para que corra sobre datos en una GPU."

Pese a las dificultades, siguió adelante. Recuerda que al comienzo de su doctorado acompañó a un radiólogo que hacía resonancias fetales en el Boston Children's Hospital y vio la frustración compartida de la paciente y del radiólogo. La madre embarazada se sentía incómoda después de pasar una hora en el resonador y terminaba abandonando el examen a la mitad, y el radiólogo no lograba una resonancia completa y de buena calidad para seguir el desarrollo del feto.

"Ver esa frustración me ayudó a decidir qué quería hacer en mi doctorado, porque se sentía como un punto de dolor real", dice Muthukrishnan.

El equipo detrás del modelo

Tuvo ayuda. El coautor Borjan Gagoski, profesor asistente de Radiología de la Escuela de Medicina de Harvard e investigador del Boston Children's Hospital, desarrolló una secuencia que adquiere resonancias adicionales para entrenar a E(3)-Pose, y trabajó con Muthukrishnan para resolver los problemas cada vez que el resonador se caía. La coautora Aryn Lee, asistente de investigación del Boston Children's, reclutó a las voluntarias embarazadas y ayudó a adquirir cada una de las resonancias.

Entre los autores sénior que guiaron el proyecto están Elfar Adalsteinsson, profesor de Ingeniería Eléctrica y Ciencias de la Computación del MIT; Ellen Grant, profesora de Pediatría y de Radiología de la Escuela de Medicina de Harvard, y la propia Golland. Benjamin Billot, investigador de Inria y ex posdoctorado del grupo de Golland, ayudó a Muthukrishnan a partir con el método inicial que él había desarrollado.

"El trabajo de Ramya combina con elegancia conceptos geométricos como la equivarianza y la simetría con la potencia del aprendizaje profundo para cambiar la forma en que los resonadores adquieren las imágenes y, en definitiva, ayudar a los médicos a detectar y tratar problemas temprano en el desarrollo. Es un proyecto de investigación impresionante, profundo y fundamental en la forma en que modela la adquisición de imágenes, con un impacto clínico claro", dice Golland.

Grant, que dirige el Centro de Neuroimagen Fetal y Neonatal y Ciencias del Desarrollo (FNNDSC) del Boston Children's, agrega que el trabajo de Muthukrishnan "automatizará la resonancia del cerebro fetal, reemplazando el proceso manual y lento de hoy por exámenes más rápidos y cómodos para las madres, y entregando además imágenes de mayor calidad para que los radiólogos interpreten".

¿Qué falta para usarlo antes en el embarazo?

Las aplicaciones de E(3)-Pose podrían ir más allá del seguimiento de movimiento en resonancias fetales. Podría servir para captar otras estructuras anatómicas difíciles de fotografiar, e incluso en conducción autónoma, donde sensores limitados deben captar datos 3D con ruido para seguir objetos en el espacio.

Por ahora, Muthukrishnan quiere mejorar E(3)-Pose para que sirva con fetos del segundo trimestre o más pequeños, porque el modelo está entrenado sobre todo con fetos del tercer trimestre. Los fetos del segundo trimestre "son tan pequeños que se mueven mucho más, porque hay más espacio en el útero", dice Muthukrishnan. "Es más importante enfocarse en ellos, porque mientras antes se detectan las anomalías cerebrales, más fácil es intervenir."

El trabajo contó con apoyo de la Jameel Clinic del MIT, el Programa MIT Takeda, el Chou Family Transformative Research Fund, el Instituto Nacional de Imágenes Biomédicas y Bioingeniería y el Instituto Nacional de Salud Infantil y Desarrollo Humano Eunice Kennedy Shriver.