Tele-Cranio: A CT-free AI Solution for Remote Diagnosis and Planning of Craniomaxillofacial Deformities

Resumo Técnico: Tele-Cranio

Problema

O cuidado de deformidades craniofaciais (CMF) depende fortemente de Tomografia Computadorizada (TC) ou Cone-Beam CT (CBCT) para diagnóstico esquelético definitivo e planejamento cirúrgico. No entanto, essa dependência cria barreiras significativas para a avaliação remota, acompanhamento longitudinal e comunicação com o paciente, particularmente para populações pediátricas. A necessidade de exames de imagem baseados em instalações físicas e com alta carga de radiação para cada estágio do cuidado — desde a triagem inicial até o monitoramento pós-operatório — impõe ônus econômicos, inacessibilidade geográfica e riscos cumulativos de radiação. Embora o aprendizado profundo (deep learning) tenha avançado na reconstrução facial 3D a partir de imagens 2D, os métodos existentes são limitados por sua dependência de fluxos de trabalho 3D-para-3D (que exigem scanners ou TC) e por serem treinados em conjuntos de dados de indivíduos normais, tornando-os ineficazes para as complexas variações morfológicas encontradas em deformidades CMF (ex: fissura labial/palatina, microomia hemifacial). Existe uma lacuna crítica em ferramentas livres de radiação e independentes de equipamentos que sejam capazes de inferir a morfologia esquelética a partir de dados de superfície para apoiar a triagem remota e a comunicação com o paciente sem substituir o planejamento definitivo baseado em TC.

Metodologia

Os autores propõem o Tele-Cranio, um framework de IA projetado para reconstruir a morfologia facial 3D, inferir estruturas esqueléticas subjacentes e simular resultados pós-operatórios utilizando apenas fotografias faciais 2D capturadas por dispositivos móveis. O sistema opera através de um fluxo de trabalho clínico de três fases:

1. Construção de Recursos de Dados
Um conjunto de dados multi-institucional de 539 amostras pareadas foi construído, compreendendo fotografias clínicas 2D, escaneamentos faciais 3D texturizados (3dMD) e modelos esqueléticos derivados de alta resolução por TC. A coorte inclui 205 controles normais e 334 pacientes com diversas deformidades CMF (maloclusão, fissura labial/palatina, microomia hemifacial e anomalias raras). Uma regressão rigorosa foi realizada por cirurgiões seniores para garantir a correspondência ao nível de vértice entre as superfícies de tecido mole e esqueléticas, criando uma base de topologia consistente para o treinamento.

2. Fase I: Reconstrução Facial 3D Consciente de Deformidades
O fluxo de trabalho começa convertendo fotografias faciais 2D de múltiplos ângulos, capturadas por smartphone, em uma superfície facial 3D de topologia consistente.

• Processamento de Entrada: As imagens passam por normalização usando RetinaFace para detecção de marcos (landmarks) e transformação afim para um sistema de coordenadas canônico.
• Reconstrução: Um Modelo Morfológico 3D Paramétrico (3DMM) é empregado, onde um codificador profundo (deep encoder) prevê coeficientes de geometria, albedo, pose e iluminação.
• Refinamento: Um módulo de refinamento otimiza a reconstrução grosseira inicial minimizando uma perda de reprojeção de marcos multivisual ponderada por resíduo, guiada por um detector de marcos ajustado (fine-tuned) para casos de deformidade. Isso produz uma superfície facial 3D refinada ($F_{refine}$).

3. Fase II: Inferência Cross-Modal via BCM-D
O motor de inferência central é o Modelo Bidirecional Craniomaxiofacial-Deformidade (BCM-D).

• Arquitetura: O BCM-D utiliza uma formulação de espaço latente compartilhado. Ele aplica Análise de Componentes Principais (PCA) aos vetores concatenados de geometria face-crânio para aprender uma base geométrica conjunta ($B_{BCM-D}$) que captura o acoplamento estatístico entre o tecido mole facial e o osso craniano através de morfologias normais e patológicas.
• Inferência Face-para-Crânio: Dada a face 3D reconstruída ($V_f^{refine}$), o modelo estima o vetor de coeficientes latentes compartilhados ($\alpha_{BCM-D}$) minimizando o erro de projeção contra a componente facial da base. Este coeficiente é então aplicado à componente esquelética para inferir a morfologia craniana específica do paciente ($V_s^{pred}$).
• Inferência Crânio-para-Face: Inversamente, dada uma geometria esquelética planejada ($V_s^{plan}$), o modelo infere o coeficiente latente correspondente para prever a superfície facial pós-operatória ($V_f^{pred}$).

4. Fase III: Simulação Reversa Condicionada pela Cirurgia
Para apoiar discussões de planejamento cirúrgico, o sistema realiza uma simulação reversa. Clínicos definem modificações esqueléticas (ex: osteotomias) usando ferramentas de planejamento padrão. Essas mudanças esqueléticas planejadas são passadas através da via crânio-para-face do BCM-D para gerar uma prévia facial pós-operatória específica do paciente. Um campo de deslocamento residual é otimizado para preservar as relações de espessura de tecido local derivadas dos dados pré-operatórios, mesclando o prior estatístico com as restrições anatômicas específicas do paciente.

Resultados Principais

O sistema foi validado em subgrupos heterogêneos de CMF utilizando métricas incluindo Erro Quadrático Médio (RMSE), distância de Chamfer e Recall@3 mm.

• Reconstrução Facial 3D (Fase I): O módulo consciente de deformidade alcançou um RMSE geral de 1,95 ± 0,40 mm contra os escaneamentos de referência 3dMD. O desempenho foi maior em controles normais (RMSE 1,78 mm) e casos de maloclusão, com erros ligeiramente superiores em fissura labial/palatina (CL/P) e deformidades não classificadas devido à descontinuidade do tecido local e cicatrizes.
• Inferência Intrínseca 3D-para-3D (BCM-D): Quando fornecido com escaneamentos faciais 3D de verdade fundamental (ground-truth), o BCM-D demonstrou alta precisão bidirecional, alcançando um RMSE de 1,12 ± 0,13 mm para inferência face-para-crânio e 1,17 ± 0,13 mm para simulação crânio-para-face.
• Desempenho End-to-End (Foto 2D para Crânio): No fluxo de trabalho completo (foto 2D $\to$ face 3D $\to$ crânio 3D), o sistema alcançou um RMSE geral de 1,99 ± 0,39 mm e um Recall@3 mm de 0,78. Os erros propagaram-se da etapa de reconstrução de imagem, resultando em maiores desvios em grupos de deformidades complexas (CL/P, HFM) em comparação com casos normais ou de maloclusão.
• Simulação Reversa (Fase III): Em um estudo com 42 pacientes submetidos à cirurgia de duplo maxilar, as previsões faciais pós-operatórias do Tele-Cranio mostraram um erro de distância de superfície global menor (1,16 ± 0,65 mm) comparado ao padrão comercial ProPlan CMF (1,48 ± 0,83 mm) ao utilizar entradas de planejamento esquelético idênticas. No entanto, erros residuais permaneceram nas regiões periorais (ex: filtro, borda do vermilion) onde o tecido cicatricial e a dinâmica muscular complexa desafiam a modelagem.

Significância e Alegações

O artigo posiciona o Tele-Cranio não como um substituto para o diagnóstico definitivo baseado em TC ou para o planejamento cirúrgico, mas como uma ferramenta adjunta acessível e livre de radiação para fases específicas do continuum de cuidado CMF.

• Utilidade Clínica: O sistema permite a triagem remota, consulta pré-TC e visualização pelo paciente de possíveis resultados, reduzindo assim a necessidade de viagens desnecessárias e a exposição repetida à radiação durante a triagem e o acompanhamento.
• Acessibilidade: Ao desacoplar a avaliação preliminar de equipamentos radiológicos de grande escala, o Tele-Cranio estende a avaliação morfológica orientada por especialistas para ambientes com recursos limitados ou geograficamente remotos.
• Priors Baseados em Dados: O estudo demonstra que modelos de aprendizado profundo treinados em conjuntos de dados diversos e ricos em patologias podem aprender o complexo acoplamento biomecânico entre tecido mole e osso, mesmo na presença de deformidades severas, desde que haja dados pareados de alta qualidade disponíveis.
• Escopo Modesto: Os autores declaram explicitamente que os modelos esqueléticos gerados são "referências anatômicas visuais preliminares" adequadas para comunicação e discussão de planejamento, mas não capturam a arquitetura óssea volumétrica ou patologias internas. Consequentemente, TC ou CBCT permanecem obrigatórios para planejamento de nível operatório, design de osteotomia e avaliação de risco.

O trabalho estabelece uma prova de conceito para uma "modalidade sem contato e livre de radiação" que complementa os fluxos de trabalho tradicionais, visando melhorar a adesão do paciente, a comunicação e a eficiência do cuidado CMF, ao mesmo tempo em que reconhece as limitações da inferência baseada em superfície em casos patológicos complexos.