Sistema óptico de seguimiento de instrumental para entrenamiento en neurocirugía

"La formación neuroquirúrgica exige herramientas de simulación que permitan practicar maniobras de alta precisión sin comprometer la seguridad del paciente. Los sistemas comerciales de neuronavegación ofrecen exactitudes submilimétricas, pero su costo y complejidad los vuelven inaccesibles para entornos docentes. Este trabajo presenta el diseño, implementación y validación de un sistema óptico de seguimiento tridimensional de instrumental quirúrgico de bajo costo, concebido para complementar modelos anatómicos impresos en 3D durante el entrenamiento. Es importante aclarar que este sistema no pretende alcanzar los niveles de precisión de los equipos de neuronavegación de grado médico. El prototipo se basa en un módulo StereoPi v2 con dos cámaras Raspberry Pi NoIR sincronizadas y una fuente de iluminación infrarroja. Tras una calibración intrínseca y estereoscópica con tablero de ajedrez, se introdujo una recalibración automática mediante marcadores ArUco que permite alinear las cámaras con un sistema de referencia físico en menos de un minuto. El seguimiento o tracking emplea umbralización de alta intensidad y operaciones morfológicas para detectar los centros de cuatro marcadores retrorreflectivos fijados al instrumento; la triangulación resultante se suaviza con una media exponencial móvil de primer orden. Los ensayos sobre una grilla milimetrada y sobre 17 puntos anatómicos de un modelo de columna lumbar impreso en PLA arrojaron un error euclídeo medio de 5,7 mm (máx. 13 mm). El desvío estándar en pruebas de precisión y estabilidad fue menor a 2 mm en los ejes laterales y menor a 6 mm en profundidad. La estimación angular del eje del instrumento mostró un error medio de 0,53° (error absoluto medio 0,73°). El sistema procesa video a ∼60 fps en una laptop convencional y proyecta la posición del instrumento en tiempo real sobre cortes transversales y sagitales precalculados del modelo anatómico. Estos resultados demuestran la viabilidad de un neuronavegador abierto y económico capaz de aportar retroalimentación espacial cuantitativa durante la práctica. Futuras mejoras contemplan optimizar la estimación en profundidad, integrar filtros ópticos para luz infrarroja y migrar el procesamiento a hardware embebido de mayor rendimiento".