Segmentación multimensional basada en aprendizaje profundo y valoración volumétrica del líquido en el seno esfenoidal en TC postmortem en casos de ahogamiento

Por qué importa más allá de la sala de autopsias

Cuando alguien aparece muerto en el agua, incluso los médicos forenses con experiencia pueden tener dificultades para afirmar con seguridad si la persona se ahogó o murió por otra causa antes. Una pista sutil es el líquido que se acumula en un pequeño espacio lleno de aire detrás de la nariz, denominado seno esfenoidal. Medir ese líquido en tomografías computarizadas postmortem podría ayudar, pero hacerlo a mano es lento y depende mucho de quién interpreta las imágenes. Este estudio explora si las técnicas modernas de visión por computador pueden encontrar y medir automáticamente ese líquido, ofreciendo apoyo más rápido y consistente para investigaciones de ahogamiento difíciles.

Un bolsillo oculto con pistas importantes

En casos de ahogamiento, el líquido a menudo se filtra en los senos paranasales, pequeñas cavidades en los huesos de la cara. El seno esfenoidal, situado en lo profundo del cráneo, es especialmente interesante porque el líquido acumulado allí puede analizarse para detectar algas microscópicas y niveles de sal que sugieren si la persona se ahogó en agua dulce o salada. Trabajos anteriores mostraron que las TC postmortem pueden aproximar los volúmenes de líquido que luego se encuentran en la autopsia. Pero para obtener esos números, los expertos han tenido que delimitar la región de líquido corte por corte en el ordenador, una tarea tediosa difícil de estandarizar e impráctica para grandes cantidades de casos.

Enseñar a las máquinas a detectar líquido

El equipo de investigación recurrió a una familia de sistemas de análisis de imágenes ampliamente usada en imagen médica, conocidos como modelos de aprendizaje profundo estilo U-Net. Reunieron TC postmortem de 165 personas cuya muerte por ahogamiento fue confirmada en autopsia. Un observador experto trazó manualmente el líquido en el seno esfenoidal para crear un mapa de referencia con el que aprendieron las máquinas. Los casos se dividieron en grupos de entrenamiento, validación y prueba para que los modelos se evaluaran en datos que no habían visto antes. A continuación, los científicos construyeron tres versiones del sistema: una que miraba cortes individuales de la TC (2D), otra que consideraba cada corte junto con sus dos vecinos (2.5D) y una que analizaba pequeños bloques tridimensionales de la cabeza de una sola vez (3D).

Rendimiento de los modelos

Los tres modelos pudieron delimitar el líquido del seno esfenoidal en las exploraciones de prueba de una manera que coincidía estrechamente con el experto humano. Los enfoques 2D y 2.5D fueron los más fiables trazando la forma y los bordes del líquido, mientras que la versión 3D fue algo menos precisa y más variable entre casos. Cuando el equipo convirtió estos contornos en volúmenes reales de líquido, las estimaciones automáticas quedaron a una fracción de mililitro de los valores de referencia y las diferencias no fueron estadísticamente significativas. Los volúmenes predichos y los manuales evolucionaron en conjunto, con correlaciones muy fuertes en los tres modelos, lo que sugiere que las mediciones generadas por ordenador pueden sustituir a las mediciones manuales laboriosas.

Por qué ganó un enfoque intermedio

El modelo 2.5D, que observa un corte junto con sus vecinos inmediatos, ofreció el mejor equilibrio entre precisión y practicidad. Se beneficia de algo de contexto tridimensional, lo que le ayuda a distinguir líquido real de hueso y tejido blando adyacentes, pero evita las elevadas demandas computacionales y la inestabilidad que pueden afectar a los modelos 3D completos, especialmente cuando la estructura de interés es diminuta y aparece en solo unos pocos cortes. Para los centros forenses ocupados que necesiten procesar muchos casos con recursos informáticos limitados, esta estrategia intermedia podría ser la opción más realista para el uso rutinario.

Qué significa esto para futuras investigaciones de fallecimientos

Para los no especialistas, la idea clave es que ahora los ordenadores pueden localizar y medir de forma fiable un pequeño bolsillo de líquido en lo profundo de la cabeza en TC postmortem, con un rendimiento que se aproxima mucho al de un experto humano. El estudio muestra que dichas mediciones automatizadas se pueden producir de forma rápida y coherente, abriendo la puerta a usar datos de TC para apoyar diagnósticos de ahogamiento incluso antes de que comience una autopsia. Aunque este trabajo de un solo centro aún debe probarse más ampliamente y extenderse a otros senos y a muertes no relacionadas con ahogamiento, apunta a un futuro en el que el análisis avanzado de imágenes refuerce discretamente la evidencia tras algunas de las preguntas más complejas de la medicina forense.

Cita: Heo, JH., Kim, MJ., Jang, S.J. et al. Multi-dimensional deep learning–based segmentation and volumetric assessment of sphenoid sinus fluid on postmortem CT in drowning cases. Sci Rep 16, 13800 (2026). https://doi.org/10.1038/s41598-026-44094-3

Palabras clave: diagnóstico de ahogamiento, TC postmortem, imagen forense, aprendizaje profundo, líquido sinusal