La inteligencia artificial ya no se limita a “ver” una angiografía: empieza a entender la arquitectura vascular del cerebro. TopCoW demuestra que los algoritmos pueden reconstruir automáticamente el polígono de Willis, reconocer sus variantes y mantener la lógica de sus conexiones anatómicas, con rendimientos superiores al 90 % en segmentación. El salto no es estético, es conceptual: pasar de imágenes que interpretamos a anatomías computacionales que pueden analizarse, compararse y utilizarse para apoyar decisiones clínicas.
Antes de hablar de inteligencia artificial, segmentación vascular o aneurismas, hay un detalle que merece ser destacado: España participa directamente en TopCoW, uno de los grandes proyectos internacionales destinados a enseñar a los algoritmos a reconocer y reconstruir el polígono de Willis.
En el trabajo aparecen investigadores del Research Institute of Computer Vision and Robotics de la Universidad de Girona —C. Yalcin, R. E. Hamadache, C. Lisazo, J. Salvi, A. Casamitjana, X. Lladó, U. M. L-T Estrada, V. Abramova y A. Oliver— y del grupo Physense / BCN-MedTech de la Universitat Pompeu Fabra de Barcelona —P. Casademunt, A. Galdran y O. Camara—.
Su participación no es anecdótica. TopCoW reúne a más de 250 participantes de seis continentes para resolver un problema que hasta hace poco exigía interpretación experta: identificar automáticamente las arterias del polígono de Willis, reconocer sus variantes y comprender cómo se conectan entre sí en angio-TC y angio-RM. Los mejores modelos superan el 90 % de Dice en segmentación y ya permiten abordar tareas como la identificación de variantes vasculares y la localización de aneurismas.
Estamos, por tanto, ante algo más importante que una IA que “pinta vasos”. Estamos empezando a convertir la anatomía vascular cerebral en una estructura computable. Y grupos españoles ya están participando en esa transformación.
El primer problema está en la propia selección de los casos. El conjunto principal procede de un Stroke Center y exige imágenes CTA/MRA de suficiente calidad. Además, se excluyeron aneurismas grandes dentro de la región del polígono de Willis y determinadas variantes anatómicas raras, precisamente algunos de los escenarios en los que más nos interesaría saber si el algoritmo es robusto.
Y aquí aparece quizá la limitación más importante para un neurocirujano: cuando el artículo habla de “localización de aneurismas”, no significa que la IA haya recibido una angiografía y haya descubierto por sí sola el aneurisma. Para esa prueba los autores utilizaron 12 pacientes con aneurismas previamente segmentados, superpusieron esa máscara a la segmentación del polígono de Willis y comprobaron si el algoritmo podía determinar a qué segmento arterial pertenecía. Es un resultado muy interesante, pero está todavía muy lejos de una herramienta autónoma de detección y planificación aneurismática.
La validación clínica sigue siendo pequeña. La clasificación de PCA fetal se evaluó en 40 CTA y la aplicación sobre aneurismas únicamente en esos 12 casos. Son pruebas de concepto, no una demostración de utilidad clínica generalizable.
Además, el famoso >90 % de Dice puede resultar engañosamente tranquilizador. Las arterias pequeñas son justamente las más difíciles: comunicante anterior y comunicantes posteriores presentaron menor concordancia incluso entre los propios anotadores, aproximadamente 76–89 %. Y desde el punto de vista quirúrgico, equivocarse en unos pocos vóxeles de una PCom o una ACom puede ser mucho más relevante que segmentar perfectamente cientos de vóxeles de una carótida interna.
Pero hay una crítica todavía más profunda.
El polígono de Willis que necesita un algoritmo no es todavía el polígono de Willis que necesita un neurocirujano.
El cirujano quiere conocer dominancias, hipoplasias, ramas incorporadas al aneurisma, cuello, orientación del saco, perforantes, calcificación, trombo, relación espacial entre vasos, posibilidad de control proximal y distal y, finalmente, qué significa toda esa anatomía para una estrategia quirúrgica concreta. TopCoW reconoce 13 componentes vasculares y su conectividad. Es un enorme avance, pero todavía representa una simplificación de la microanatomía que encontramos durante una cirugía vascular.
Tampoco existe todavía una demostración prospectiva de que utilizar TopCoW haga que un neurocirujano diagnostique mejor, planifique mejor, reduzca tiempo, cambie una decisión terapéutica o mejore el resultado del paciente.
Y su concepto de “explainability” merece cierta prudencia: podemos inspeccionar visualmente la segmentación y comprender por qué el sistema ha asignado un aneurisma a una determinada arteria, pero eso no equivale necesariamente a explicar razonamiento clínico.
Por tanto, TopCoW no es todavía un copiloto neurovascular.
Pero probablemente contiene una de las piezas que harán posible construirlo.
Su importancia no está en que hoy pueda decirnos cómo abordar un aneurisma. Está en haber demostrado que podemos empezar a transformar una angiografía cerebral en una representación anatómica estructurada y legible por una máquina.
Y cuando esa representación incorpore aneurisma, ramas, perforantes, hemodinámica y estrategia quirúrgica, la conversación será completamente distinta.