Localización en tiempo real de puntos de acupuntura basada en puntos de referencia anatómicos y modelos de estimación de la pose

La acupuntura es una de las prácticas médicas más antiguas del mundo, con miles de años de historia. Esta terapia utiliza agujas finas que se insertan en puntos específicos del cuerpo, conocidos como acupuntos, situados a lo largo de meridianos o canales de energía. Aunque tradicionalmente estos puntos se identifican mediante el tacto y el conocimiento anatómico transmitido de generación en generación, la localización manual puede ser imprecisa, sobre todo cuando la realiza una persona sin la formación adecuada. La precisión en la identificación de estos puntos es fundamental para la eficacia del tratamiento, lo que genera la necesidad de métodos de localización más precisos y uniformes.

Este estudio, realizado por investigadores de la Universidad Nacional Pukyong (Corea del Sur) y publicado en noviembre de 2024, analizó cómo la inteligencia artificial puede automatizar y mejorar la precisión en la identificación de los puntos de acupuntura. Los investigadores desarrollaron y compararon dos métodos diferentes basados en visión artificial: uno que emplea la detección de puntos de referencia anatómicos en tiempo real y otro basado en redes neuronales profundas especializadas en la estimación de la pose. El objetivo era crear sistemas capaces de identificar automáticamente los puntos de acupuntura del rostro y las manos con gran precisión, para que esta práctica milenaria sea más accesible y exacta tanto para profesionales como para principiantes.

La metodología del estudio incluyó dos estrategias distintas. En el primer método, los investigadores utilizaron el framework MediaPipe de Google, una herramienta de visión artificial que detecta puntos de referencia anatómicos en tiempo real. Esta técnica identificó 468 puntos de referencia en el rostro y 21 en las manos, y los usó como base para calcular matemáticamente la localización de 38 puntos de acupuntura específicos mediante fórmulas basadas en las mediciones proporcionales tradicionales de la medicina china. El segundo método empleó una red neuronal convolucional denominada YOLOv8-pose, entrenada específicamente con una base de datos personalizada que contiene casi 6000 imágenes anotadas por especialistas.

Este modelo se desarrolló para detectar directamente cinco puntos de acupuntura concretos en el brazo y la mano. Para validar ambos métodos, los investigadores compararon las localizaciones calculadas por los sistemas con las marcadas manualmente por especialistas en medicina oriental.

Los resultados mostraron que ambos métodos alcanzaron una alta precisión en la localización de los puntos de acupuntura. El sistema basado en puntos de referencia anatómicos logró mapear múltiples puntos, tanto en el rostro como en las manos, con un error medio de localización inferior a 5 mm en comparación con las anotaciones de los especialistas. Este método resultó especialmente eficaz para los puntos faciales, probablemente debido al mayor número de puntos de referencia anatómicos disponibles en esa región. El método de red neuronal profunda también mostró un rendimiento excelente, con una precisión media del 99 % en la detección de los cinco puntos específicos estudiados.

El modelo localizó los puntos cercanos a las puntas de los dedos con mayor precisión que los situados en la parte media de la mano, lo que sugiere que el sistema identifica con más facilidad ciertas características anatómicas. Ambos métodos funcionaron en tiempo real y procesaron imágenes de vídeo al instante.

Para los pacientes y los profesionales de la acupuntura, estos hallazgos representan avances significativos con importantes implicaciones prácticas. Para los profesionales con experiencia, estos sistemas pueden servir como herramientas de apoyo que aumenten la confianza y la precisión durante los tratamientos, sobre todo en situaciones en las que la localización manual puede resultar más difícil. Para los estudiantes y principiantes en acupuntura, la tecnología ofrece una valiosa herramienta educativa que permite un aprendizaje más eficiente y estandarizado de la localización de los puntos. Los investigadores desarrollaron una aplicación de demostración que permite visualizar los puntos de acupuntura en tiempo real a través de una cámara web, lo que demuestra el potencial práctico de esta tecnología.

Para los pacientes, esto puede traducirse en tratamientos más precisos y uniformes, independientemente del nivel de experiencia del terapeuta, lo que podría mejorar los resultados terapéuticos.

El estudio presenta algunas limitaciones importantes que deben tenerse en cuenta. La base de datos utilizada para entrenar la red neuronal fue relativamente pequeña y se recogió en un entorno controlado, lo que puede limitar la capacidad del sistema para funcionar correctamente en situaciones del mundo real con una mayor variabilidad. Las imágenes se capturaron con un fondo blanco y posturas relativamente uniformes, condiciones que pueden no reflejar la diversidad que se encuentra en la práctica clínica diaria. Además, la evaluación cuantitativa se centró principalmente en los puntos de las manos y los brazos, con menos datos disponibles para la validación de los puntos faciales.

La falta de grandes bases de datos públicas con puntos de acupuntura anotados por especialistas también supone un reto para el desarrollo futuro de esta tecnología. Los investigadores reconocen que se necesitan más trabajos para ampliar estos sistemas a otras partes del cuerpo, como las piernas y el tronco, y para probar su eficacia en una variedad más amplia de condiciones ambientales y tipos de pacientes. A pesar de estas limitaciones, este trabajo representa un paso importante hacia la modernización de la acupuntura mediante la integración con tecnologías de inteligencia artificial, y ofrece una base sólida para futuros desarrollos en esta prometedora área.