Cuando una ecografía prenatal rutinaria sugiere una posible anomalía cerebral, el paso siguiente suele ser una resonancia magnética. El problema es que el feto se mueve. Una resonancia de la cabeza se construye a partir de una pila de cortes planos en 2D, y si la cabeza se desplaza entre uno y otro, los cortes acaban en ángulos raros y con huecos, lo que puede llevar al radiólogo a pasar por alto o malinterpretar un problema. Investigadores del MIT, el Boston Children's Hospital y el instituto francés Inria han creado un modelo pensado para seguir ese movimiento.
El modelo, llamado E(3)-Pose, sigue la posición de la cabeza del feto mientras se hace el estudio para que el escáner pueda ajustarse y los cortes formen una imagen 3D completa. Su rasgo distintivo es que no intenta aprender la geometría de la cabeza solo a partir de datos. La simetría izquierda-derecha de la cabeza fetal está escrita en la arquitectura de la red, lo que le facilita averiguar hacia dónde mira el cerebro. El trabajo, dirigido por la doctoranda del MIT Ramya Muthukrishnan en el grupo de Polina Golland, se presentó en la European Conference on Computer Vision de 2026.
El proyecto se probó además en hardware real, donde se quedan muchos modelos de imagen médica. Muthukrishnan cuenta que bloqueó el escáner muchas veces mientras lograba que el modelo funcionara en él, con ayuda de Borjan Gagoski, del Boston Children's, que diseñó una secuencia de resonancia adicional para reunir datos de entrenamiento, y de Aryn Lee, que reclutó a voluntarias embarazadas. La motivación clínica es concreta: Muthukrishnan recuerda a una paciente embarazada que abandonó un estudio a medias tras una hora en la máquina, y el radiólogo se quedó sin una imagen utilizable. Ellen Grant, del Boston Children's, dice que el enfoque debería traer estudios más rápidos y cómodos e imágenes mejores.
La lección de diseño va más allá de la atención prenatal. Incorporar a un modelo una estructura conocida, como la simetría, en lugar de esperar que la aprenda, es una forma sensata de lograr un comportamiento fiable con pocos datos médicos, y los autores apuntan a usos en otras anatomías difíciles de captar e incluso en el seguimiento de objetos 3D con sensores ruidosos.
Lo que falta son pruebas de beneficio clínico. El artículo del MIT no da cifras de precisión, ni comparación con los métodos actuales de corrección de movimiento, ni número de pacientes estudiadas. El modelo se entrenó sobre todo con fetos del tercer trimestre, mientras que el segundo, cuando los fetos son más pequeños y se mueven más, es donde la detección importa más y hacia donde el equipo dice que quiere ir. Por ahora es un método prometedor con un prototipo que funciona, no una mejora medida del diagnóstico.