Medición automatizada de los ángulos de hallux valgus mediante un modelo de aprendizaje profundo: validación y comparación con cirujanos de distinta experiencia

Por qué el cuidado de los juanetes está listo para la automatización inteligente

Los juanetes —esas protuberancias dolorosas en la base del dedo gordo— son extremadamente comunes, y decidir el mejor tratamiento con frecuencia depende de medir cuidadosamente ángulos en radiografías del pie. Hoy esas mediciones se hacen a mano, tardan varios minutos por imagen y varían de un médico a otro. Este estudio explora si una forma moderna de inteligencia artificial puede asumir esta tarea tediosa, ofreciendo precisión al nivel de un cirujano en una fracción de segundo y allanando el camino hacia un cuidado de los juanetes más consistente y accesible.

Entendiendo el problema en términos cotidianos

El hallux valgus, más conocido como juanete, se produce cuando el dedo gordo se desplaza hacia afuera y el primer metatarsiano se desplaza hacia adentro, creando una protuberancia ósea y, con frecuencia, dolor. Los cirujanos se basan en dos ángulos medidos en radiografías en carga: el ángulo de hallux valgus entre el dedo gordo y su hueso largo, y el ángulo intermetatarsiano entre el primer y segundo metatarsiano, para decidir si se necesita cirugía y qué procedimiento elegir. Dibujar estos ángulos a mano es lento, e incluso los especialistas pueden discrepar entre sí o con sus propias mediciones previas, especialmente en casos leves o limítrofes. Una herramienta que pueda medir estos ángulos rápida y de forma consistente sería valiosa tanto en clínicas concurridas como en grandes estudios de investigación.

Cómo aprende la computadora a leer una radiografía del pie

El equipo de investigación construyó un sistema de aprendizaje profundo diseñado para imitar cómo un experto traza las líneas óseas en una radiografía. Primero, una red especializada en análisis de imágenes contornea automáticamente tres huesos clave: la falange del dedo gordo y el primer y segundo metatarsiano. A partir de estos contornos, el sistema calcula una línea central recta a través de cada hueso, de forma similar a como un cirujano visualizaría al colocar una regla sobre la imagen. Una vez trazadas estas líneas, se emplea geometría simple para calcular los dos ángulos importantes para la evaluación del juanete. El modelo se entrenó y ajustó con más de 2.400 radiografías de pie en carga, incluyendo tanto pacientes con juanetes como personas con pies de apariencia normal, asegurando que encontrara la gama completa de formas vistas en la práctica diaria.

Poniendo el sistema frente a frente con cirujanos

Para probar qué tan bien coincidían las mediciones automatizadas con el juicio experto, los autores compararon el modelo con dos cirujanos de pie y tobillo con tres y siete años de experiencia, respectivamente. Ambos cirujanos marcaron meticulosamente las líneas óseas en cientos de radiografías, y un cirujano senior revisó su trabajo para crear un estándar de referencia. El estudio evaluó no solo cuán cerca estaba cada método de ese referente, sino también con qué frecuencia las mediciones se desviaban lo suficiente como para considerarse clínicamente inaceptables. La computadora rindió tan bien como los cirujanos para el ángulo del dedo gordo y, de hecho, produjo menos errores grandes que cualquiera de los cirujanos para el ángulo entre los dos primeros metatarsianos, especialmente en pies normales o limítrofes donde los lectores humanos tendían a discrepar más.

Velocidad, consistencia y qué ocurre cuando falla

Más allá de la precisión, la ventaja más llamativa del sistema automatizado fue la velocidad: midió cada radiografía en aproximadamente un octavo de segundo en un ordenador corriente, frente a casi dos o tres minutos de trabajo cuidadoso por parte de un lector humano. Esta eficiencia abre la puerta a mediciones instantáneas y estandarizadas directamente dentro de los sistemas de imagen hospitalarios o incluso en dispositivos portátiles. Los autores también examinaron casos en los que el modelo falló, como imágenes de baja calidad donde huesos solapados engañaban al software y le hacían trazar la línea equivocada. Sugieren que versiones futuras podrían entrenarse con radiografías más desafiantes y equiparse con comprobaciones internas simples para señalar resultados dudosos para revisión humana en lugar de informar silenciosamente un ángulo erróneo.

Qué significa esto para las personas con juanetes

En lenguaje cotidiano, este estudio muestra que un programa informático cuidadosamente entrenado puede medir los ángulos relacionados con los juanetes en radiografías del pie casi con la misma precisión que cirujanos experimentados y con mucha mayor rapidez, manteniendo los errores graves relativamente raros. Dado que el modelo es ligero y se ha publicado públicamente, otros hospitales e investigadores pueden probarlo, perfeccionarlo e integrarlo potencialmente en la atención rutinaria. Si futuros estudios multicéntricos confirman estos resultados, los pacientes podrían beneficiarse de evaluaciones más objetivas y reproducibles de sus juanetes, lo que conduciría a decisiones quirúrgicas más claras y a un seguimiento más consistente a lo largo del tiempo.

Cita: Wang, Q., Wang, JH., Ji, DD. et al. Automated measurement of hallux valgus angles using a deep learning model: validation and comparison with surgeons of varying expertise. Sci Rep 16, 12280 (2026). https://doi.org/10.1038/s41598-026-42100-2

Palabras clave: hallux valgus, cirugía de juanetes, radiografía del pie, aprendizaje profundo, análisis de imágenes médicas