Artificial Intelligence and Robotics in Neurosurgery: A Systematic Review of Performance, Validation Quality, and Translational Readiness

Resumen Técnico: Inteligencia Artificial y Robótica en Neurocirugía

Planteamiento del Problema
La neurocirugía exige una precisión extrema, donde las mejoras mínimas en la toma de decisiones intraoperatorias impactan significativamente en la seguridad del paciente y en los resultados neurológicos a largo plazo. A pesar de los avances en navegación e imagenología, persisten desafíos, incluyendo el desplazamiento cerebral (brain shift) durante las operaciones, la precisión variable en el direccionamiento de intervenciones estereotácticas, las curvas de aprendizaje pronunciadas y la planificación laboriosa. Si bien la Inteligencia Artificial (IA), el Aprendizaje Automático (ML), el Aprendizaje Profundo (DL) y la robótica han avanzado individualmente para abordar estos problemas, la literatura existente ha examinado estos dominios mayoritariamente de forma aislada. Existe una falta de revisiones integrales que unifiquen estas tecnologías mientras evalúan críticamente la calidad de la validación y la preparación traslacional. Además, pocas revisiones aplican una evaluación de riesgo de sesgo (RoB) transparente y específica del dominio tanto en estudios clínicos intervencionistas como en estudios de desarrollo algorítmico, lo que dificulta la identificación de brechas traslacionales claras.

Metodología
Esta revisión sistemática se adhirió a las directrices PRISMA 2020. Se realizó una búsqueda sistemática en PubMed/MEDLINE, Embase, Scopus y Web of Science para estudios publicados entre enero de 2015 y junio de 2026. La búsqueda se centró en resultados cuantitativos relacionados con IA, ML, DL, robótica y estimulación adaptativa en neurocirugía.

• Selección: De un grupo inicial de más de 1,400 registros, se incluyeron 56 estudios originales que reportaban resultados cuantitativos.
• Clasificación: Los estudios se categorizaron en cinco dominios tecnológicos: Aprendizaje Profundo (DL) para la detección de tumores cerebrales, Aprendizaje Automático (ML) para la predicción de resultados, Robótica de la Estereoelectroencefalografía (SEEG), innovaciones en la Estimulación Cerebral Profunda (DBS) y otras aplicaciones (p. ej., simulaciones, documentación).
• Marco de Riesgo de Sesgo (RoB): Se desarrolló y aplicó a todos los 56 estudios un marco de RoB novedoso y personalizado de cinco dominios. Los dominios evaluados fueron: (1) Fuente y selección de datos, (2) Método de validación, (3) Riesgo de sobreajuste (overfitting) y fuga de datos, (4) Medición de resultados y (5) Calidad del reporte.
• Análisis: Debido a la alta heterogeneidad en los diseños de estudio y las tecnologías, no se realizó un metanálisis. En su lugar, se utilizó una síntesis narrativa estructurada apoyada por resúmenes cuantitativos.

Contribuciones Clave

1. Síntesis Integrada: Esta es una de las primeras revisiones en examinar conjuntamente las tecnologías de IA/ML/DL y robótica en neurocirugía, yendo más allá de las evaluaciones de dominios aislados.
2. Marco de RoB Personalizado: La aplicación de una herramienta de RoB de cinco dominios diseñada a medida permitió una evaluación crítica granular tanto de los estudios de desarrollo algorítmico como de los estudios clínicos intervencionistas, resaltando debilidades específicas como el sobreajuste y la falta de validación externa.
3. Cuantificación de la Brecha Traslacional: La revisión cuantifica explícitamente la disparidad entre las métricas de rendimiento técnico elevadas y el bajo nivel de evidencia clínica prospectiva y externamente validada.
4. Vías de Convergencia: El artículo propone vías específicas para la futura integración entre algoritmos inteligentes y plataformas robóticas, moviéndose más allá del desarrollo fragmentado.

Resultos

• Distribución de Estudios: El dominio más grande fue el de DL para la detección de tumores cerebrales (11 estudios, 19.6%), seguido por ML para la predicción de resultados (10 estudios), SEEG robótica (8 estudios) e innovaciones en DBS (8 estudios). Las tendencias de publicación se aceleraron significativamente después de 2020.
• Riesgo de Sesgo: En general, el 50% de los estudios incluidos fueron calificados con un alto riesgo de sesgo, y el 57.1% dependió exclusivamente de la validación interna. Solo el 12.5% fueron ensayos clínicos prospectivos, y apenas el 7.1% realizaron validación externa en cohortes independientes.
• Métricas de Rendimiento:
  • Detección de Tumores por DL: Reportaron una mediana de precisión del 98.6% (rango 95.86%–99.7%). Sin embargo, 8 de los 11 estudios fueron calificados con alto riesgo de sesgo debido a la validación únicamente interna. Un estudio (Cepeda et al.) logró un bajo riesgo de sesgo con validación externa, reportando un coeficiente Dice de 0.81 para tumores con realce de contraste.
  • Aplicaciones Robóticas: La SEEG robótica y la implantación de DBS demostraron un error de direccionamiento mediano de aproximadamente 1.5 mm (con un rango de 1.14 mm a 2.74 mm). Estos estudios generalmente mostraron perfiles de RoB mejores (mayormente riesgo moderado) en comparación con el desarrollo de algoritmos puros.
  • DBS Adaptativa: Los sistemas adaptativos mostraron un ensanchamiento estadísticamente significativo de la ventana terapéutica (p = 0.005 en la enfermedad de Parkinson) y una reducción en la energía eléctrica total entregada de aproximadamente 22 µW en comparación con la estimulación continua.
  • Colaboración Humano-IA: En la estimación de la resección de glioblastoma, la combinación de IA explicable con la experiencia humana mejoró la precisión de 0.53 (expertos solos) a 0.94.
  • Documentación: Las herramientas de PLN (ChatGPT) redujeron el tiempo de generación de informes operatorios de 15–21 minutos a 2.3–4.6 minutos, aunque la exactitud fáctica varió (71–85%).
• Cuello de Botella Traslacional: Se identificó un cuello de botella importante donde el 88% de los estudios carecían de validación prospectiva. El campo se caracteriza por un alto volumen de estudios retrospectivos y de desarrollo algorítmico, pero una escasez de ensayos clínicos prospectivos multicéntricos.

Significancia y Reivindicaciones
Los autores afirman que esta revisión proporciona la primera síntesis integrada de las tecnologías de IA y robótica en neurocirugía utilizando un marco de RoB riguroso y personalizado. La significancia radica en su capacidad para:

• Exponer la Fragilidad Metodológica: Resalta que el alto rendimiento reportado (p. ej., 98.6% de precisión en la detección de tumores) no equivale a robustez cuando la validación externa está ausente.
• Identificar la Madurez Clínica: Establece que los sistemas de neuromodulación adaptativa y la robótica demuestran actualmente una mayor traslación clínica y perfiles de riesgo de sesgo más favorables que las aplicaciones de aprendizaje profundo puro, las cuales permanecen mayoritariamente en la etapa de desarrollo algorítmico.
• Proponer Vías Accionables: Al mapear la brecha traslacional, la revisión propone vías concretas para la convergencia, tales como la DBS adaptativa de bucle cerrado utilizando biomarcadores multimodales y la navegación robótica mejorada por IA.

El artículo concluye que alcanzar el pleno potencial de estas tecnologías requiere un cambio deliberado de las mejoras algorítmicas retrospectivas y aisladas hacia estudios multicéntricos, prospectivos y externamente validados, así como una convergencia intencional entre las plataformas robóticas y los algoritmos inteligentes.