PINNOCHIO: predecir el rostro postoperatorio en cirugía ortognática con una red guiada por la física, tan precisa como los elementos finitos pero en segundos (Lee et al. 2026, arXiv)

Jungwook Lee, Daeseung Kim, Kevin Gu, Zhangfeng Hu, Tianshu Kuang, Finn Hopeman, Michael A.K. Liebschner, Jaime Gateno y Pingkun Yan (Rensselaer Polytechnic Institute, Houston Methodist Research Institute y Baylor College of Medicine) publican en arXiv el 1 de junio de 2026, de cara a la conferencia MICCAI 2026, PINNOCHIO: una red neuronal guiada por la física (PINN) que predice, paciente a paciente, cómo se deforman los tejidos blandos del rostro tras el reposicionamiento quirúrgico de los maxilares. En 40 casos clínicos reales —TC preoperatoria para la geometría, superficie facial 3dMD postoperatoria como verdad de referencia— el modelo iguala o supera al simulador de elementos finitos de referencia en fidelidad de superficie (distancia de Chamfer media de 1,12 mm frente a 1,30, y 86,55 % de los puntos del rostro a menos de 2 mm del objetivo frente a 80,90 %), pero en 3,24 segundos en lugar de 3,5 horas. Esa ganancia de velocidad hace realmente practicable la prueba iterativa de planes quirúrgicos; debe leerse, no obstante, a la luz de una cohorte de solo 40 pacientes, una supervisión que mide únicamente la superficie externa, parámetros mecánicos idénticos para todos los pacientes y un código no publicado.

El contexto

La cirugía ortognática corrige las deformidades dentofaciales —maxilares mal alineados, mentón retraído o prominente, asimetrías— seccionando y reposicionando los huesos de la cara. El resultado estético y funcional depende de cómo los tejidos blandos (músculo, grasa, piel) siguen el movimiento óseo, una relación fuertemente no lineal: mover el hueso un milímetro no mueve la piel un milímetro, y el efecto depende del lugar. Para planificar, el cirujano querría probar varios movimientos óseos candidatos y ver, para cada uno, el rostro predicho. Eso es exactamente lo que debe ofrecer una buena simulación de tejidos blandos.

Hasta ahora compiten dos familias de herramientas. Por un lado el método de los elementos finitos (FEM: el tejido se divide en una malla de pequeños elementos y se resuelven las ecuaciones de la mecánica en cada uno), biomecánicamente riguroso pero lento —varias horas por caso, incompatible con una prueba interactiva en consulta. Por otro, modelos de aprendizaje profundo rápidos pero que a menudo producen deformaciones biomecánicamente incoherentes: un rostro que se autointerseca, volúmenes que se pliegan. PINNOCHIO se sitúa en esa brecha: conservar la velocidad de la red neuronal sin renunciar a la coherencia física.

El método

El preprint (arXiv:2606.01572, 10.48550/arXiv.2606.01572, publicado el 1 de junio de 2026, bajo la licencia no exclusiva de arXiv) se apoya en dos ideas. La primera es una descomposición secuencial que separa dos fenómenos de naturaleza distinta. En la interfaz entre el hueso y el tejido blando, el desplazamiento es discontinuo: la piel pegada al hueso se mueve con él, el resto no. En el volumen, en cambio, la deformación es continua. PINNOCHIO trata primero la predicción del desplazamiento de la interfaz (módulo «Boundary Displacement Prediction») y luego usa ese resultado como condición de contorno para propagar la deformación por todo el volumen («Physics-Constrained Volumetric Propagation»). Desacoplar ambos estabiliza el aprendizaje.

La segunda idea es el anclaje físico. El tejido blando se modela como un material hiperelástico de tipo neo-hookeano —una ley de comportamiento clásica para el tejido biológico, que describe cómo aumenta la energía de deformación al estirar o comprimir la materia. A partir de esa energía se calculan las fuerzas internas en cada nodo de la malla, y una función de pérdida física penaliza las configuraciones que no están en equilibrio (suma de fuerzas no nula). La red no aprende solo a imitar ejemplos: se la penaliza cuando su predicción viola la mecánica. Ambos módulos se apoyan en redes neuronales sobre grafos (GNN, que tratan una malla como un grafo de nodos conectados) con atención (GAT), bien adaptadas a mallas irregulares.

Un punto metodológico importante: la supervisión solo cubre la superficie externa. En un paciente real no se dispone de la posición postoperatoria de cada punto del interior del tejido; solo se conoce la superficie del rostro, medida por 3dMD (un sistema de fotografía 3D). A falta de correspondencia punto a punto, el acuerdo entre la superficie predicha y la real se mide con la distancia de Chamfer (la distancia media de cada punto de una superficie al punto más cercano de la otra). El interior del volumen solo queda restringido por la física, no por mediciones. Los autores preentrenan el modelo con datos simulados por FEM (donde existe la verdad volumétrica) y luego lo afinan con los casos reales usando únicamente la supervisión de superficie —una estrategia de sim-to-real. La cohorte consta de 40 casos clínicos evaluados con validación cruzada de cinco pliegues; cada caso incluye el movimiento planificado de cuatro segmentos óseos (LeFort I, segmento distal mandibular y los dos segmentos distales). Los parámetros mecánicos son idénticos para todos (músculo: módulo de Young 6 kPa; capa superficial: 4 kPa; coeficiente de Poisson 0,49).

Los resultados

PINNOCHIO se compara con tres referencias: FEM-RLSE (el simulador de elementos finitos de referencia) y dos modelos de aprendizaje profundo anteriores, ACMT-Net (Fang et al. 2024) y DGCFP. En todo el rostro obtiene la mejor fidelidad: distancia de Chamfer de 1,12 ± 0,26 mm (frente a 1,30 del FEM, 1,71 y 2,19 de los dos modelos de aprendizaje), distancia de Hausdorff de 2,73 ± 0,69 mm (la de Hausdorff mide el peor desvío, no el promedio; frente a 3,16 del FEM) y, sobre todo, 86,55 % de los puntos a menos de 2 mm de la superficie objetivo, frente al 80,90 % del FEM. En velocidad, la diferencia es de otro orden de magnitud: 3,24 segundos por caso frente a 1,26 × 10⁴ segundos (3,5 horas) del FEM, unas 3 900 veces más rápido. Un estudio de ablación muestra que ambos ingredientes importan: quitar la descomposición o la pérdida física degrada o la precisión o la validez mecánica (el residuo de equilibrio pasa de 0,20 a 1,73, y la calidad de la malla medida por el jacobiano cae de 0,87 a 0,68 sin la restricción física).

Traducción clínica. El umbral de 2 mm no es arbitrario: en un rostro, un desvío de ese orden es aproximadamente el límite de lo que percibe el ojo. Que el 86,55 % de los puntos esté por debajo de ese umbral significa también que alrededor de uno de cada siete puntos del rostro queda a más de 2 mm del objetivo —un error residual que puede concentrarse en zonas expresivas (labios, surcos, punta de la nariz) sin que se sepa, porque la métrica está promediada sobre todo el rostro. La ganancia decisiva está en otra parte: pasar de 3,5 horas a 3 segundos por simulación transforma la planificación. Probar diez planes quirúrgicos candidatos requería unas 35 horas de cálculo por elementos finitos; ahora basta medio minuto, lo que hace posible la optimización iterativa en una misma sesión de planificación. Es un apoyo a la decisión preoperatoria, no un acto autónomo.

Lo que está bien

La física está en la función de pérdida, no solo en los datos. Al penalizar explícitamente las configuraciones fuera del equilibrio neo-hookeano, el modelo produce deformaciones mecánicamente plausibles, y la ablación lo demuestra con cifras: sin la restricción física, el residuo de equilibrio se multiplica por casi nueve y la calidad de la malla se degrada. Es justamente lo que les falta a los modelos de aprendizaje puro, que pueden ajustarse a la superficie produciendo un volumen aberrante.

La descomposición interfaz/volumen responde a un problema real. Separar el salto discontinuo en la interfaz hueso–tejido de la deformación continua del volumen es un modelado fiel del fenómeno real, y mejora medible el aprendizaje. Es una contribución metodológica reutilizable más allá del caso facial, allí donde una condición de contorno nítida gobierna una deformación volumétrica.

La evaluación se hace contra la superficie postoperatoria real y supera al FEM en ella. El modelo no solo se compara con otra simulación: la verdad de referencia es la superficie 3dMD efectivamente observada tras la cirugía. Superar al FEM de referencia en este criterio (86,55 % frente a 80,90 % de puntos por debajo de 2 mm) siendo miles de veces más rápido es un resultado concreto, no una promesa —y comparar con dos modelos de aprendizaje recientes, y no con un hombre de paja obsoleto, es honesto.

Lo que está menos bien

Cuarenta pacientes, una sola fuente: la generalización sigue abierta. Una cohorte de 40 casos, aun con validación cruzada de cinco pliegues, es estrecha, y el preprint no precisa el centro ni el país de origen de los datos. Es el terreno del sesgo de población: nada garantiza que la precisión se mantenga en otras morfologías, otros tipos de deformidad, otros escáneres o sistemas 3dMD. Sin validación externa multicéntrica, la cifra de 1,12 mm describe esta cohorte, no la población de candidatos a cirugía ortognática.

Solo se mide la superficie; el interior nunca se verifica. La supervisión solo cubre la piel, y el interior del volumen queda restringido únicamente por la física. Pero un modelo puede reproducir correctamente la superficie y equivocarse en la deformación de las capas profundas —una variante del shortcut learning (la red aprende lo que basta para minimizar la pérdida de superficie, no necesariamente la mecánica interna real). Además, los parámetros mecánicos son idénticos para todos los pacientes, cuando la rigidez de los tejidos varía de una persona a otra; los autores lo reconocen y remiten la estimación específica del paciente a trabajos futuros. La «verdad» FEM usada en el preentrenamiento es a su vez un modelo, con sus propias aproximaciones.

Una métrica promediada y sin código publicado. Las distancias se promedian sobre todo el rostro: es la métrica engañosa clásica, donde un buen promedio puede ocultar errores localizados en regiones clínicamente decisivas. El preprint no reporta la precisión región por región (labios, nariz, mentón). Por último, no se anuncian ni el código ni los pesos, y el texto se difunde bajo la licencia no exclusiva de arXiv —no una licencia abierta de reutilización: la reproducibilidad independiente no está garantizada tal cual. La financiación (NIH, becas R01DE027251 y R01DE021863) y la ausencia de conflicto de intereses declarado sí se mencionan correctamente.

Lo que cambia

Para la comunidad de investigación, el mensaje va más allá de la cirugía facial. PINNOCHIO ilustra una receta que se generaliza: inyectar una ley mecánica en la función de pérdida de una red sobre grafos y descomponer el problema según la naturaleza de los desplazamientos (interfaz discontinua, volumen continuo). La estrategia sim-to-real —preentrenar con simulaciones FEM donde existe la verdad volumétrica y luego afinar con datos reales donde solo se mide la superficie— es trasladable a otros problemas de deformación de tejidos. Las continuaciones naturales son una validación multicéntrica, la estimación específica del paciente de las propiedades mecánicas (los autores mencionan la ecografía) y la extensión a otros gestos como la genioplastia.

Para los cirujanos, el aporte potencial es tangible: una simulación en pocos segundos permite, en teoría, comparar interactivamente varios planes durante la consulta, donde los elementos finitos imponían cálculos nocturnos. Pero es un prototipo de investigación: ningún marcado CE, ninguna autorización de la FDA, ningún dictamen de la Haute Autorité de Santé francesa cubre hoy una herramienta así para guiar una decisión quirúrgica, y un error residual superior a 2 mm en parte del rostro no es trivial en cirugía estética facial.

Para los pacientes y el público, el interés es el de un mejor diálogo preoperatorio: poder visualizar más rápido y con más fidelidad el rostro esperado ayuda a fijar expectativas realistas. Conviene mantener la prudencia —una predicción no es una garantía de resultado, y la decisión quirúrgica sigue siendo responsabilidad del equipo asistencial, que integra muchos factores más allá de la sola geometría de los tejidos.

Para saber más

El preprint está en acceso libre en arXiv: arxiv.org/abs/2606.01572 (DOI 10.48550/arXiv.2606.01572). Sobre el aprendizaje profundo aplicado a la imagen médica y la cuestión del comparador, véase nuestro análisis de Liu 2026 sobre un modelo de mezcla de expertos para la RM del recto. Sobre la traducción de un rendimiento de imagen en valor clínico, véase nuestro análisis del pipeline de neuroimagen pronóstica tras ictus de Brzus 2026.