APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL EN CIRUGÍA DE COLUMNA: REVISIÓN DE ALCANCE

Introducción: Actualmente no existe una revisión amplia y específica sobre la aplicación de la inteligencia artificial (IA) en cirugía de columna. Métodos: Se realizó una revisión de alcance en PubMed y EMBASE siguiendo las recomendaciones PRISMA. Se analizaron publicaciones entre enero de 2020 y marzo de 2024 centradas en IA aplicada a cirugía de columna. Se excluyeron revisiones, validaciones secundarias de algoritmos y trabajos sin orientación clínica predominante. Resultados: Se incluyeron 105 estudios. La mayoría emplearon aprendizaje supervisado sobre bases de datos previamente etiquetadas. Treinta y ocho estudios utilizaron machine learning convencional y 67 deep learning, predominantemente para análisis de imagen médica. Solo el 25,7% incluyó más de 1.000 pacientes y 72 estudios utilizaron datos procedentes de un único centro. Las aplicaciones más frecuentes fueron el pronóstico, el diagnóstico, el procesamiento de imagen médica y la asistencia quirúrgica. Conclusiones: La IA aplicada a cirugía de columna tiene potencial significativo para mejorar el diagnóstico individualizado, la toma de decisiones y la ejecución quirúrgica.

Esta revisión analiza de forma bastante amplia el panorama actual de la inteligencia artificial aplicada a la cirugía de columna. Los autores identifican que la mayor parte de la investigación reciente se concentra en cuatro áreas principales: diagnóstico automatizado, análisis de imagen médica, predicción de resultados clínicos y asistencia quirúrgica. Las aplicaciones diagnósticas incluyen patologías muy diversas, desde fracturas vertebrales y escoliosis hasta hernia discal lumbar, estenosis de canal, mielopatía cervical, OPLL, tumores espinales u osteoporosis. En varios estudios, los algoritmos mostraron una precisión comparable o incluso superior a la de especialistas experimentados, especialmente en tareas muy concretas de reconocimiento de patrones radiológicos. El área más desarrollada actualmente parece ser el análisis automatizado de imagen médica mediante deep learning. Los algoritmos se han utilizado para segmentación vertebral, medición automática del ángulo de Cobb, análisis de parámetros espinopélvicos y clasificación de estenosis o compresión neural. Los errores de medición fueron bajos y con buena reproducibilidad entre estudios. En el ámbito pronóstico, numerosos trabajos intentaron predecir complicaciones, resultados funcionales, estancia hospitalaria, reingresos, aflojamiento de implantes o desarrollo de cifosis proximal tras cirugía deformidad. También aparecen aplicaciones dirigidas a optimizar la selección de candidatos quirúrgicos y la planificación perioperatoria. La asistencia quirúrgica intraoperatoria todavía representa una proporción pequeña de la literatura disponible, aunque ya existen aplicaciones relacionadas con navegación, planificación de trayectorias de tornillos y selección automatizada de implantes.

Este trabajo resulta especialmente útil porque ofrece una visión global y bastante equilibrada del estado actual de la inteligencia artificial en cirugía de columna. A diferencia de otras revisiones centradas únicamente en imagen médica o radiomics, aquí se abordan también aspectos clínicos y quirúrgicos relevantes, incluyendo pronóstico, planificación quirúrgica y soporte a la toma de decisiones. El artículo refleja bien que la IA probablemente tendrá un papel progresivamente importante en áreas como: • automatización de mediciones radiológicas, • ayuda diagnóstica, • predicción de complicaciones, • y medicina personalizada. Sin embargo, los autores también dejan claro que gran parte de la evidencia disponible sigue siendo preliminar y metodológicamente limitada, con predominio de estudios retrospectivos y monocéntricos.

El principal valor del artículo es probablemente su capacidad para ordenar un campo que actualmente está creciendo muy rápido y de manera bastante heterogénea. La revisión muestra que la inteligencia artificial ya está empezando a integrarse en múltiples aspectos de la cirugía de columna, aunque todavía lejos de una implementación clínica generalizada. Uno de los mensajes más interesantes es que la IA parece funcionar especialmente bien en tareas repetitivas, cuantificables y basadas en reconocimiento de patrones, como la segmentación vertebral o las mediciones radiográficas automatizadas. En cambio, las aplicaciones relacionadas con toma de decisiones complejas o asistencia intraoperatoria continúan siendo mucho más limitadas. Los autores son además bastante prudentes al analizar la calidad de la evidencia disponible. La mayoría de estudios incluidos utilizan bases de datos relativamente pequeñas y procedentes de un único centro, lo que limita considerablemente la reproducibilidad y generalización de muchos modelos. De hecho, solo una cuarta parte de los trabajos incluyó más de 1.000 pacientes. También resulta relevante la discusión sobre la necesidad de validación multicéntrica y colaboración estrecha entre clínicos e ingenieros. El artículo insiste en que la IA debe entenderse actualmente como una herramienta de apoyo y no como un sustituto de la valoración clínica. Entre las limitaciones del trabajo destaca que se trata de una revisión de alcance y no de un metaanálisis, por lo que no existe evaluación cuantitativa homogénea de resultados. Además, la enorme heterogeneidad metodológica entre estudios dificulta comparar directamente los distintos algoritmos y aplicaciones. En conjunto, es probablemente una de las revisiones recientes más útiles para comprender dónde se encuentra realmente la inteligencia artificial en cirugía de columna y cuáles son las áreas con mayor potencial de desarrollo clínico en los próximos años.