BPD-Neo: un conjunto de datos de RM para la segmentación de pulmón y tráquea con datos clínicos sobre displasia broncopulmonar neonatal

Por qué importan los pulmones diminutos

Cada año, muchos bebés nacen demasiado pronto, con pulmones que aún están en desarrollo. Estos pulmones frágiles pueden dar lugar a una condición grave denominada displasia broncopulmonar, o BPD, que a menudo mantiene a los lactantes en cuidados intensivos durante semanas o meses. Los médicos quisieran ver el interior de estos pechos diminutos en tres dimensiones, de forma segura y con detalle, para entender qué falla y cómo ayudar. Este artículo presenta un nuevo conjunto de datos abierto que reúne exploraciones avanzadas por RM, contornos cuidadosos de los pulmones y la tráquea, y datos clínicos clave de 40 lactantes prematuros, ofreciendo a los investigadores una nueva y potente vía para estudiar y cuantificar la enfermedad en los pacientes más pequeños.

De las radiografías planas a vistas 3D

Hoy en día, las radiografías de cabecera son la herramienta principal para monitorizar a los lactantes prematuros en las unidades de cuidados intensivos, pero muestran solo imágenes planas y bidimensionales y exponen a los bebés a radiación repetida. La tomografía computarizada (TC) puede revelar la estructura tridimensional, pero usa dosis aún mayores de radiación y raramente se emplea en estos recién nacidos. La imagen por resonancia magnética (RM) ofrece una vía distinta: proporciona imágenes detalladas y tridimensionales de los tejidos blandos sin radiación y puede realizarse mientras los bebés respiran tranquilamente y están envueltos, a menudo sin sedación. En este estudio, el equipo utilizó una técnica de RM robusta frente al movimiento llamada StarVIBE, bien adaptada a lactantes inquietos, para capturar imágenes 3D de alta resolución de los pulmones y la vía aérea principal.

Construyendo una imagen cuidadosa de las vías aéreas diminutas

Los investigadores exploraron a 40 lactantes menores de seis meses, la mayoría con algún grado de BPD, utilizando un escáner de RM ubicado directamente en la unidad de cuidados intensivos neonatales. Para proteger la audición y el confort, los bebés fueron alimentados, envueltos y provistos de protección acústica por capas, mientras las enfermeras vigilaban de cerca las constantes vitales. Tras la exploración, especialistas en imagen emplearon una herramienta de software para trazar los pulmones y la tráquea en tres dimensiones. Colocaron puntos semilla dentro de cada estructura y dejaron que un algoritmo informático hiciera crecer regiones hacia fuera, seguido de suavizados y meticulosas correcciones manuales. Estos contornos finales se guardaron como archivos separados que emparejan exactamente con los datos de RM originales, y un segundo experto re‑segmentó un subconjunto de exploraciones para poder medir las diferencias entre revisores humanos.

Añadiendo detalles clínicos a los datos de imagen

Junto a las imágenes, el conjunto de datos incluye información clínica básica pero importante para cada lactante, como el peso y la longitud al nacer, el sexo, la edad gestacional al nacer, la edad en el momento de la exploración y una clasificación moderna de la gravedad de la BPD según los criterios de Jensen de 2019. Dado que cada registro está totalmente desidentificado y vinculado solo por un código de estudio, se preserva la privacidad de las familias. Contar con estos detalles médicos junto con las formas 3D de pulmón y vía aérea permite a los investigadores explorar cómo los cambios estructurales en los pulmones se relacionan con la prematuridad, el peso al nacer y la gravedad de los problemas respiratorios. Por ejemplo, los científicos pueden calcular el volumen pulmonar total, ajustarlo por el tamaño corporal y crear mapas de cómo varía la señal del tejido pulmonar, lo que podría reflejar cicatrices, sobredilatación o áreas colapsadas.

Enseñando a los ordenadores a trazar estructuras diminutas

Para ilustrar lo que puede hacerse con este recurso, los autores entrenaron modelos informáticos conocidos como U‑Nets para encontrar y delinear automáticamente pulmones y tráqueas en las exploraciones de RM. Estos modelos aprenden a partir de ejemplos: ven muchos pares de imágenes y contornos de expertos, y luego intentan producir contornos similares en exploraciones no vistas. Usando un procedimiento riguroso de validación cruzada, el modelo pulmonar rindió muy bien, alcanzando un acuerdo con expertos humanos cercano al nivel de concordancia que logran dos expertos entre sí. La tráquea, una estructura mucho más pequeña y tenue en RM, resultó más desafiante. Tanto los humanos como los algoritmos mostraron mayor desacuerdo al trazarla, y los contornos automáticos de la tráquea fueron menos precisos y más sensibles a las diferencias en el tamaño corporal y las condiciones de imagen.

Qué supone esto para los recién nacidos frágiles

El conjunto de datos BPD‑Neo proporciona, por primera vez, un paquete de libre acceso de exploraciones RM 3D, formas de pulmón y vía aérea trazadas por expertos y datos clínicos emparejados para lactantes prematuros en riesgo de enfermedad pulmonar crónica. Al demostrar que las herramientas automáticas ya pueden igualar el rendimiento humano para volúmenes pulmonares y al señalar dónde los métodos actuales siguen teniendo dificultades —por ejemplo, la pequeña tráquea—, el trabajo sienta las bases para mediciones de la salud pulmonar en recién nacidos más rápidas, mejores y más objetivas. A largo plazo, unas mejores imágenes y análisis podrían ayudar a los médicos a detectar antes la debilidad de las vías aéreas y el daño pulmonar, ajustar los tratamientos con mayor precisión y reducir la carga de la BPD en los niños y sus familias.

Cita: Saluja, R., Kovanlikaya, A., Chien, C. et al. BPD-Neo: An MRI Dataset for Lung-Trachea Segmentation with Clinical Data for Neonatal Bronchopulmonary Dysplasia. Sci Data 13, 659 (2026). https://doi.org/10.1038/s41597-026-07006-8

Palabras clave: pulmones de recién nacidos prematuros, displasia broncopulmonar, RM neonatal, segmentación pulmonar, conjunto de datos de imagen médica