AcuSim: un conjunto de datos sintético para la localización de puntos de acupuntura cervicocraneales

Este estudio innovador presenta el desarrollo de AcuSim, un conjunto de datos sintético para automatizar la localización de puntos de acupuntura en la región cervicocraneal (cabeza y cuello). La investigación aborda una limitación crítica en la medicina tradicional china: la dependencia de especialistas para localizar con precisión los puntos de acupuntura, un proceso costoso, lento y sujeto a variaciones individuales. Los investigadores crearon 504 modelos anatómicos sintéticos fotorrealistas que representan diferentes tipos corporales, géneros, peinados y características faciales. Mediante técnicas avanzadas de computación gráfica en software como Blender y DAZ Studio, generaron 63 936 imágenes RGB-D de alta resolución (1024 × 1024 píxeles), cada una con anotaciones precisas de 174 puntos de acupuntura volumétricos.

La metodología empleó aleatorización para capturar la diversidad anatómica humana, incluyendo variaciones en altura, peso y proporciones de grasa corporal. El sistema de anotación automática utilizó el método tradicional finger-cun basado en directrices de la Organización Mundial de la Salud, posicionando puntos tridimensionales como esferas volumétricas en lugar de puntos 2D simples. Para la validación, desarrollaron una red neuronal convolucional basada en la arquitectura VGG19 con capas totalmente conectadas para la predicción multitarea de coordenadas y nombres de los puntos. El modelo se entrenó durante 3480 épocas y convergió después de aproximadamente 800 épocas para el conjunto de entrenamiento y 1250 épocas para validación.

Los resultados demostraron una precisión excepcional del 99,73 % en la localización de puntos, con un error medio de solo 0,12–0,17 píxeles en las fases finales del entrenamiento. Al compararse con anotaciones de especialistas en medicina tradicional china, el 92,86 % de las predicciones estuvieron dentro del margen de error clínicamente aceptable de 5 mm. El sistema incorporó filtros automáticos de oclusión para eliminar puntos no visibles debido al cabello u otras obstrucciones, lo que garantiza una calidad superior de los datos. El análisis estadístico con ANOVA de dos factores confirmó que las variaciones entre modelos anatómicos no afectaron significativamente la precisión, mientras que las diferentes localizaciones de puntos mostraron variaciones esperadas debido a la complejidad anatómica.

El conjunto de datos supera sustancialmente a trabajos anteriores en escala y precisión, ya que ofrece más de 11 millones de anotaciones frente a un máximo de 28 000 en estudios previos. Las implicaciones clínicas son significativas: el sistema puede facilitar la formación de médicos acupuntores, reducir los costos educativos y mejorar la estandarización de los tratamientos. La automatización de la localización de puntos puede hacer que la acupuntura sea más accesible y fiable, especialmente en regiones con escasez de especialistas. Las limitaciones incluyen la necesidad de validación adicional con imágenes reales y la expansión a otras regiones anatómicas.

Desarrollos futuros prevén incorporar aprendizaje por transferencia y técnicas de adaptación de dominio para mejorar la generalización a escenarios del mundo real. Este trabajo representa un hito en la digitalización de la medicina tradicional china y demuestra cómo la inteligencia artificial puede preservar y modernizar prácticas milenarias, manteniendo su eficacia terapéutica y mejorando la precisión y la accesibilidad.