Aplicaciones de visión por ordenador en cirugía vascular: una revisión sistemática y evaluación crítica

Cámaras inteligentes para médicos de los vasos sanguíneos

Los médicos que tratan problemas vasculares dependen en gran medida de las imágenes médicas, desde exploraciones corporales hasta sencillas fotografías de heridas. En los últimos años, la visión por ordenador —software que “ve” e interpreta imágenes— ha avanzado tan rápido que en ocasiones puede igualar a los especialistas. Este artículo revisa cientos de estudios para ver cómo se están utilizando estas herramientas de lectura de imágenes en cirugía vascular, qué rendimiento tienen y qué debe mejorarse antes de que puedan ayudar de forma segura a los médicos en el cuidado de los pacientes.

Dónde crece rápidamente la investigación

Los autores buscaron en las principales bases de datos médicas y técnicas y hallaron 288 estudios, con una explosión de trabajo tras 2017 y otra oleada en 2024–2025. La mayoría de los proyectos analizaron imágenes existentes en lugar de seguir a pacientes hacia adelante en el tiempo. Los investigadores se centraron principalmente en tres problemas: dilatación de la arteria principal del cuerpo (aneurismas y disecciones aórticas), estrechamiento de las arterias del cuello que nutren el cerebro, y llagas en el pie de difícil cicatrización, sobre todo en la diabetes. En contraste, afecciones como la obstrucción de las arterias de las piernas y la enfermedad venosa —problemas cotidianos en las consultas vasculares— fueron raramente estudiadas, pese a que pueden causar dolor, discapacidad y amputaciones.

En qué fijan la atención realmente los ordenadores

En los estudios, a los sistemas se les alimentó con muchos tipos de imágenes. Para la enfermedad aórtica, la mayoría usó tomografías computarizadas; para la enfermedad de las arterias del cuello se apoyaron en ecografías; y para las úlceras del pie se basaron en fotos estándar y en imágenes térmicas. Las herramientas más comunes fueron redes profundas modernas, especialmente U‑Net y otras redes neuronales convolucionales, a veces combinadas en ensamblajes. A estos sistemas se les pidió por lo general que delinearan estructuras (como la luz y la pared de una arteria, o los bordes de una herida), midieran tamaños o clasificaran imágenes en categorías como «enfermo» o «sano». Muchos modelos rindieron de forma impresionante en los artículos, a veces aproximándose a los especialistas en tareas como medir el tamaño de un aneurisma o seguir el área de una úlcera del pie.

¿Qué tan fiables y justas son estas herramientas?

A pesar de los resultados prometedores, la revisión encontró preocupaciones serias sobre cómo se construyeron y evaluaron estos sistemas. Solo una minoría usó datos externos procedentes de otros hospitales, algo crucial para mostrar que un modelo funcionará en el mundo real y no solo en su conjunto de datos de origen. Muchos artículos omitieron salvaguardas básicas contra el sobreajuste del modelo, como conjuntos de validación separados o comprobaciones del desequilibrio de clases, y algunos incluso midieron el rendimiento en las mismas imágenes usadas para el entrenamiento. Las formas estándar de informar resultados fueron irregulares: en tareas de segmentación de imágenes, alrededor de la mitad informó una métrica de solapamiento ampliamente aceptada, y en predicciones de sí/no, menos de una de cada cinco usó la más robusta AUROC. Muy pocos estudios examinaron si sus sistemas se comportaban de forma distinta según grupos de pacientes o dispositivos de imagen, dejando dudas sobre equidad y generalizabilidad.

Vacíos en lo que se investiga

El patrón de investigación no refleja las necesidades clínicas cotidianas. La mayor parte del trabajo se concentra en aorta, arterias del cuello y enfermedad del pie diabético —áreas con abundantes conjuntos de imágenes y tareas claras. Mientras tanto, la enfermedad arterial periférica en las piernas, que a menudo afecta a personas de minorías raciales y con bajos ingresos, sigue siendo poco explorada. Los autores sostienen que la visión por ordenador podría ser especialmente útil aquí al predecir qué pacientes empeorarán y al automatizar sistemas de puntuación complejos que ahora tardan demasiado en emplearse en consultas concurridas. Otra oportunidad poco aprovechada es el software que pueda emular el contraste en exploraciones sin exponer a los pacientes —muchos con problemas renales— a químicos potencialmente dañinos, una técnica que solo unas pocas investigaciones vasculares han intentado.

Elevar el listón para el trabajo futuro

Para juzgar la calidad, los autores aplicaron dos listas de comprobación establecidas que evalúan sesgo e informe en estudios de predicción. Solo alrededor de uno de cada cinco estudios más recientes obtuvo puntuaciones de bajo riesgo de sesgo, y la adhesión general a los estándares de reporte se mantuvo poco por encima del punto medio, aunque ha mejorado con el tiempo. Las lagunas comunes incluyeron descripción poco clara de cómo se crearon las etiquetas de «verdad de referencia», falta de transparencia sobre las fuentes de datos, información ausente sobre cómo se eligieron los parámetros del modelo y casi ninguna participación de pacientes u otros agentes públicos. Los autores piden a los investigadores que sigan estas guías desde la fase de planificación, usen medidas de rendimiento consistentes (dice para segmentación, AUROC para decisiones sí/no), compartan datos y código cuando sea posible y diseñen ensayos prospectivos que prueben si las herramientas de visión por ordenador mejoran verdaderamente los resultados clínicos.

Qué significa esto para pacientes y clínicos

En conjunto, la revisión dibuja la imagen de potentes herramientas de lectura de imágenes que todavía están en las etapas iniciales de su tránsito del laboratorio a la clínica. La visión por ordenador en cirugía vascular ya demuestra que puede detectar, delinear y medir problemas vasculares y heridas con precisión notable en condiciones controladas. Pero hasta que los estudios reflejen mejor la práctica real, incluyan a pacientes diversos y cumplan estándares de calidad más estrictos, estos sistemas seguirán siendo en su mayoría curiosidades de investigación más que colaboradores de confianza en la atención. Si los desarrolladores y los clínicos abordan estos asuntos, la visión por ordenador podría convertirse en una ayuda de rutina que acelere el diagnóstico, apoye decisiones complejas y amplíe el acceso a evaluaciones a nivel de especialista para personas con enfermedad vascular.

Cita: Liyanage, A., Li, B., Yi, J. et al. Computer vision applications in vascular surgery: a systematic review and critical appraisal. npj Digit. Med. 9, 260 (2026). https://doi.org/10.1038/s41746-026-02427-6

Palabras clave: visión por ordenador en cirugía vascular, IA en imágenes médicas, enfermedad aórtica y carotídea, úlceras del pie diabético, enfermedad arterial periférica