Characterizing Objective Performance Indicators with Force Feedback to Predict Clinical Outcomes in Robot-Assisted Radical Prostatectomy Using a Machine Learning-Enabled Analytics Application

En las salas de operaciones de la medicina moderna, se está produciendo una revolución silenciosa, impulsada no por nuevos fármacos o escalpelos más afilados, sino por los datos ocultos dentro de las propias máquinas. Durante años, los cirujanos han dependido de sus propios ojos y manos para juzgar qué tan bien salió un procedimiento, esperando a menudo semanas o meses para ver si un paciente se recupera por completo. Pero los sistemas de cirugía robótica han evolucionado hasta convertirse en sofisticados recolectores de datos, registrando cada movimiento que realiza un cirujano con precisión microscópica. Estas máquinas rastrean la velocidad con la que se mueve un instrumento, cuánta energía se utiliza para cortar el tejido e incluso la cantidad exacta de presión aplicada a las estructuras delicadas. Este campo, conocido como medición objetiva del desempeño, busca convertir esos flujos invisibles de números en una imagen clara de la destreza quirúrgica. El objetivo final es simple pero profundo: comprender qué acciones específicas durante una operación conducen a que un paciente despierte con la función completa, en lugar de simplemente sobrevivir a la cirugía.

Un equipo de investigadores del Centro Médico de la Universidad de Hackensack e Intuitive Surgical se propuso explorar esta conexión en uno de los procedimientos más delicados de la urología: la extirpación de la glándula prostática. Esta operación, conocida como prostatectomía radical, es un acto de equilibrio de alto riesgo. El cirujano debe extirpar un órgano canceroso preservando al mismo tiempo los diminutos nervios responsables de la erección y los músculos que controlan la función de la vejiga. Si el cirujano es demasiado brusco, el paciente podría perder la función sexual o sufrir incontinencia. Si la técnica es precisa y suave, la recuperación es rápida. Los investigadores querían saber si los sensores internos del robot podían predecir estos resultados antes de que el paciente incluso saliera del hospital. Se centraron en un tipo específico de datos que había sido en gran medida inaccesible hasta hace poco: la retroalimentación de fuerza (force feedback). Esta es la capacidad del sistema robótico para medir la presión real que el cirujano aplica al tejido, convirtiendo el tacto del cirujano en un número cuantificable.

Para encontrar la respuesta, el equipo revisó los registros de pacientes que se sometieron a esta cirugía utilizando el último sistema robótico da Vinci, el cual está equipado con estos instrumentos de detección de fuerza. Recopilaron datos de 50 hombres para estudiar la recuperación de la función eréctil y de 36 hombres para estudiar el retorno del control urinario. Los investigadores no solo miraron los resultados finales; desglosaron la cirugía en sus pasos individuales, como el corte de los vasos sanguíneos o la sutura de la vejiga. Luego utilizaron un programa informático para analizar los datos del robot, buscando patrones que vincularan movimientos específicos con resultados específicos. La computadora examinó la eficiencia con la que el cirujano movía sus manos, cuánta energía eléctrica se utilizaba para cortar el tejido y las fuerzas aplicadas por los brazos robóticos. Para dar sentido a estos números, el equipo también observó los videos quirúrgicos, vinculando los puntos de datos con lo que realmente estaba sucediendo en la pantalla.

El estudio reveló que los datos del robot podían, de hecho, predecir qué tan bien se recuperaría un paciente, aunque la fuerza de esta predicción variaba según el resultado. Para el retorno de la función eréctil, los datos fueron bastante reveladores. El análisis mostró que los momentos más críticos ocurrieron cuando el cirujano estaba disecando los vasos sanguíneos y los planos tisulares detrás de la próstata. En los casos donde los pacientes se recuperaron bien, los cirujanos movían sus instrumentos con mayor eficiencia, realizando trayectorias más cortas y directas. Utilizaron menos energía eléctrica para cortar el tejido y, lo más importante, aplicaron menos fuerza. Los datos mostraron que los pacientes que recuperaron la función tuvieron cirujanos que evitaron picos altos de presión, particularmente cuando el brazo robótico sostenía el tejido de forma estable. Por el contrario, los pacientes con una peor recuperación tuvieron cirujanos que aplicaron fuerzas más altas, a veces sujetando el tejido con un agarre demasiado fuerte, aunque fuera solo por un breve momento. Los investigadores descubrieron que no se trataba solo de ser suaves en promedio, sino de evitar picos de presión repentinos y agudos que pudieran dañar los nervios delicados.

La historia fue ligeramente diferente para el retorno del control urinario. Predecir este resultado fue más difícil para el modelo computacional, lo que sugiere que la recuperación de la vejiga depende de una variedad más amplia de factores que solo la presión aplicada en un punto específico. Sin embargo, los datos también señalaron patrones claros. Los pasos más importantes para la recuperación de la vejiga fueron la reconstrucción de la conexión entre la vejiga y la uretra, y la disección del tejido en la punta misma de la próstata. En los casos exitosos, los cirujanos movían sus instrumentos de una manera más enfocada y controlada. Utilizaron menos espacio con sus manos, lo que sugiere una técnica más deliberada y contenida. También movieron la cámara menos, manteniendo la vista estable, y utilizaron su mano no dominante con mayor moderación. Los investigadores señalaron que, si bien la fuerza fue menos crítica para la recuperación de la vejiga que para la función sexual, el tema general seguía siendo el mismo: la eficiencia y la precisión eran clave. Los cirujanos que se recuperaron bien no desperdiciaron movimiento ni energía; trabajaron con una economía de movimiento que parecía proteger los tejidos circundantes.

Para asegurar que estos números dijeran la verdad, los investigadores observaron los videos quirúrgicos de los mejores y peores resultados. Descubrieron que los datos coincidían con lo que los cirujanos veían con sus propios ojos. En los casos difíciles, el video mostraba tejido inflamado y límites poco claros, lo que obligaba al cirujano a tirar con más fuerza y usar más energía para encontrar el plano correcto de corte. Los datos reflejaban esta lucha con lecturas de fuerza más altas y trayectorias de instrumentos más largas. En los casos fluidos, el video mostraba una anatomía clara, permitiendo al cirujano moverse con confianza y suavidad. Los sensores de fuerza incluso captaron momentos que los propios cirujanos podrían haber pasado por alto, como un tirón breve y excesivo en el tejido que los datos marcaron como un riesgo. Esta combinación de video y números creó una nueva forma de entender la cirugía, convirtiendo métricas abstractas en una narrativa clara sobre la técnica.

Los investigadores concluyeron que, al observar los pasos específicos de la operación y las fuerzas aplicadas durante ellos, podían identificar qué comportamientos conducían a una mejor recuperación. Encontraron que la mejora en los resultados estaba vinculada a una mayor eficiencia en el movimiento, un menor uso de energía eléctrica y fuerzas pico más bajas sobre el tejido. Aunque el estudio fue un esfuerzo piloto y el tamaño de la muestra fue modesto, los resultados sugieren una poderosa nueva herramienta para la formación y la retroalimentación. Al mostrar a los cirujanos exactamente dónde su técnica podría estar causando un estrés innecesario en el cuerpo, este enfoque ofrece un camino para refinar sus habilidades. El trabajo no pretende haber resuelto el problema de la recuperación quirúrgica, pero demuestra que los datos están ahí, esperando ser leídos, ofreciendo una guía objetiva y silenciosa para ayudar a los pacientes a sanar mejor.