Aplicaciones de la inteligencia artificial en la cirugía plástica y reconstructiva: una revisión exhaustiva de la literatura

Abstract

La medicina basada en la evidencia se enfoca en brindar
atención apoyada en información validada, objetiva y de
alta calidad. En los últimos tiempos, la aparición de la
inteligencia artificial ha transformado la práctica clínica.
Esta tecnología equipa a los profesionales médicos con
un sólido conjunto de herramientas para examinar vastos
conjuntos de datos y administrar medicamentos basados en
la mejor evidencia. El campo de la cirugía plástica no ha
tardado en acoger esta ola tecnológica, integrando progresivamente herramientas de inteligencia artificial en diversas
facetas como el diagnóstico, la evaluación del tratamiento
y la formación de los futuros cirujanos. Este trabajo tiene
como objetivo proporcionar una revisión completa de la
literatura que delinee de manera integral las aplicaciones
existentes de la inteligencia artificial dentro de nuestro campo especializado. El potencial de la inteligencia artificial
para revolucionar la cirugía plástica es rotundo, promete
mejorar la precisión, eficacia y seguridad de los procedimientos quirúrgicos. Además, se destaca en la evaluación
de los resultados y cataliza la formulación de alternativas
terapéuticas. Este trabajo subraya el papel fundamental que
la inteligencia artificial está a punto de desempeñar en la
evolución de la cirugía plástica, transformándola en una
disciplina más refinada y con visión de futuro.

Full text

Cirugía Plástica 2023; 33 (4): 152-160
Cir Plast. 2023; 33 (4): 152-160
www.medigraphic.com/cirugiaplastica
Palabras clave:
inteligencia articial,
cirugía plástica, cirugía
reconstructiva.
Keywords:
articial intelligence,
plastic surgery,
reconstructive surgery.
* Cirujano plástico.
Hospital Ángeles
Pedregal. Ciudad de
México, México. ORCID:
0000-0002-3348-2216
‡ Médico pasante
en Servicio Social.
Departamento de
Neurocirugía, Instituto
Nacional de Neurología y
Neurocirugía. Ciudad de
México, México. ORCID:
0000-0003-3193-8897
§ Médico pasante en
Servicio Social. División
de Cirugía Plástica y
Reconstructiva, Hospital
General «Dr. Manuel Gea
González». Ciudad de
México, México. ORCID:
0000-0001-9258-2383
Recibido: 14 agosto 2023
Aceptado: 02 octubre 2023
Trabajo de revisión sisTemáTica
doi: 10.35366/113881
@https://dx.doi.org/00000000 @
RESUMEN
La medicina basada en la evidencia se enfoca en brindar
atención apoyada en información validada, objetiva y de
alta calidad. En los últimos tiempos, la aparición de la
inteligencia articial ha transformado la práctica clínica.
Esta tecnología equipa a los profesionales médicos con
un sólido conjunto de herramientas para examinar vastos
conjuntos de datos y administrar medicamentos basados en
la mejor evidencia. El campo de la cirugía plástica no ha
tardado en acoger esta ola tecnológica, integrando progresi-
vamente herramientas de inteligencia articial en diversas
facetas como el diagnóstico, la evaluación del tratamiento
y la formación de los futuros cirujanos. Este trabajo tiene
como objetivo proporcionar una revisión completa de la
literatura que delinee de manera integral las aplicaciones
existentes de la inteligencia articial dentro de nuestro cam-
po especializado. El potencial de la inteligencia articial
para revolucionar la cirugía plástica es rotundo, promete
mejorar la precisión, ecacia y seguridad de los procedi-
mientos quirúrgicos. Además, se destaca en la evaluación
de los resultados y cataliza la formulación de alternativas
terapéuticas. Este trabajo subraya el papel fundamental que
la inteligencia articial está a punto de desempeñar en la
evolución de la cirugía plástica, transformándola en una
disciplina más renada y con visión de futuro.
ABSTRACT
Evidence-based medicine focuses on delivering patient
care based on high-quality, objective, and validated
information. In recent times, the emergence of articial
intelligence has transformed clinical practice. This
technology equips medical professionals with a robust
toolset for scrutinizing vast datasets and dispensing the best
evidence-based medicine. The domain of plastic surgery
has not been slow to embrace this technological wave,
integrating articial intelligence tools progressively into
various aspects such as diagnosis, treatment assessment,
and the training of future surgeons. This work aims at
presenting a comprehensive literature review that fully
describes the existing applications of articial intelligence
in our specialized eld integrally. The potential of articial
intelligence in revolutionizing plastic surgery is enormous.
It keeps the promise to improve the precision, effectiveness,
and safety of surgical procedures. Moreover, it stands
out to evaluate to outcomes and prompts the creation of
therapeutic alternatives. This paper highlights the pivotal
role that articial intelligence is poised to play in the
evolution of plastic surgery, transforming it into rened
and forward-looking discipline.
Aplicaciones de la inteligencia artificial
en la cirugía plástica y reconstructiva:
una revisión exhaustiva de la literatura
Applications of articial intelligence in plastic and reconstructive
surgery: a comprehensive review of the literature
Dr. José Eduardo Telich-Tarriba,* Dr. Juan Marcos Meraz-Soto,‡
Dra. Valentina Prieto-Vargas§
Citar como: Telich-Tarriba JE, Meraz-Soto JM, Prieto-Vargas V. Aplicaciones de la inteligencia artificial en la cirugía
plástica y reconstructiva: una revisión exhaustiva de la literatura. Cir Plast. 2023; 33 (4): 152-160. https://dx.doi.
org/10.35366/113881

153
Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
INTRODUCCIÓN
La medicina basada en evidencia persigue
orientar la atención a los pacientes me-
diante información validada, objetiva y de alta
calidad.1 En años recientes, el ámbito médico
ha experimentado la penetración progresiva
de tecnologías de inteligencia artificial (IA), las
cuales proporcionan una herramienta poderosa
para el análisis de grandes conjuntos de datos.
La cirugía plástica no ha permanecido
ajena a este desarrollo, ya que ha incorporado
de manera gradual herramientas de IA para la
identificación de diagnósticos, la evaluación de
tratamientos y la educación de nuevas genera-
ciones.2-4 La IA es una tecnología que simula
el proceso de cognición humana al interpretar
y analizar información compleja con el fin de
resolver problemas.5,6 Este término suele abar-
car diversas ramas o subdisciplinas de la tecno-
logía en su conjunto. Dentro del campo de la
medicina, los tipos de IA más utilizados son el
aprendizaje automatizado (machine learning),
las redes neuronales (neural networks) y los
sistemas de procesamiento de lenguaje natural
(natural language processing). En la Tabla 1 se
describen los conceptos anteriores.7-10
El aprendizaje automatizado, por ejemplo,
se refiere a programas informáticos que, al reci-
bir grandes volúmenes de información, buscan
establecer conexiones y reconocer patrones
entre variables. Estos programas pueden ser
entrenados para desarrollar algoritmos capaces
de identificar diagnósticos o predecir desenla-
ces clínicos en pacientes.
Por otro lado, las redes neuronales son
modelos computacionales inspirados en la es-
tructura y funcionamiento del cerebro humano.
Estas redes consisten en la interconexión de
neuronas artificiales que procesan y transmiten
información. Cada neurona recibe una entrada,
aplica una transformación matemática y produ-
ce una salida. Las redes neuronales aprenden
a reconocer patrones, realizar predicciones y
resolver problemas complejos. Se destacan es-
pecialmente en tareas como el reconocimiento
de imágenes y voz, así como en la toma de
decisiones.
Tabla 1: Conceptos básicos utilizados en inteligencia articial.
Concepto Descripción
Inteligencia articial
(IA)
Mecanismo por el cual las máquinas pueden ser entrenadas para imitar un cerebro
humano y sus capacidades a través de conjuntos de reglas dictadas por un algoritmo
Aprendizaje
automático (AA)
Aplicación de la IA para el desarrollo de programas en el que el sistema aprende
y mejora automáticamente. Utiliza observación de datos para identicar patrones
potenciales y mejorar la toma de decisiones, lo que permite que el sistema aprenda
de forma experimental y se mejore a sí mismo sin programación explícita u otra
intervención humana
Aprendizaje profundo
(AP)
Subconjunto de AA que utiliza unidades interrelacionadas llamadas redes neuronales
articiales con múltiples capas para imitar el cerebro humano y mejorar la toma de
decisiones mediante el autoaprendizaje y la ltración de información
Redes neuronales Organización de unidades computacionales simples llamadas neuronas que aplican
pesos a diferentes entradas y luego pasan a través de una función de activación para
generar valores de salida
Función de activación Algoritmo matemático simple que se aplica a las neuronas después de aplicar los
pesos y que depende del problema que se está modelando
Redes neuronales
profundas
Clase de redes neuronales articiales que se vuelven «profundas» cuando se componen
de múltiples capas ocultas que van desde aproximadamente 10 capas hasta miles
Redes neuronales
convolucionales
(RNC)
Tipo de red neuronal profunda ampliamente implementada en el rendimiento
del reconocimiento de imágenes, con un aumento de los casos de uso para el
diagnóstico

Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
154
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
En cuanto al procesamiento de lenguaje natu-
ral y el reconocimiento de patrones en datos no
estructurados, éstos se engloban en la categoría de
la computación cognitiva. Los datos no estructura-
dos corresponden a información que generalmen-
te es más difícil de organizar y analizar utilizando
métodos estadísticos tradicionales, como datos
de naturaleza auditiva o visual. La computación
cognitiva tiene como objetivo abordar tareas que
requieren la integración y organización de datos
no estructurados para la toma de decisiones.
El presente estudio tiene como propósito
realizar una revisión exhaustiva de la literatura
existente, con el fin de identificar y analizar las
diversas aplicaciones de la inteligencia artificial
(IA) en el ámbito de nuestra especialidad.
MATERIAL Y MÉTODOS
Dos investigadores llevaron a cabo una revi-
sión sistemática de la literatura siguiendo los
lineamientos PRISMA utilizando las bases de
datos MEDLINE y Google Scholar. La búsqueda
se realizó en artículos publicados en inglés y
español, abarcando el periodo comprendido
entre 2013 y 2023. Los términos de búsqueda
utilizados fueron [(artificial intelligence) OR
(machine learning) AND (plastic surgery) OR
(reconstructive surgery)]. Los revisores evalua-
ron independientemente cada etapa del pro-
ceso de selección de artículos y se realizó una
búsqueda manual de las referencias relevantes.
RESULTADOS
La búsqueda inicial encontró 36,044 referencias
potenciales. Los resultados se organizaron por
relevancia según el motor de búsqueda. Los títu-
los y resúmenes de los primeros 500 artículos de
ambas bases de datos fueron leídos cuidadosa-
mente por dos de los investigadores, 62 artículos
de MEDLINE y 39 artículos de Google Scholar
fueron incluidos durante el acuerdo inicial. Se
excluyeron los artículos cuyo texto completo no
estaba en inglés o español, artículos no encon-
trados, artículos cuyo contenido no concordaba
con el propósito de nuestra investigación y ar-
tículos repetidos. Finalmente se incluyeron 19
y 16 artículos de MEDLINE y Google Scholar,
respectivamente (Figura 1). A continuación, se
Figura 1:
Sistema de búsqueda.
MEDLINE
18,644 resultados
Google Scholar
17,400 resultados
Investigadores 1 y 2
Primeros 500 resultados
incluidos por relevancia
Investigadores 1 y 2
Primeros 500 resultados
incluidos por relevancia
Investigadores 1, 2 y 3
Acuerdo inicial
101 artículos
5-Artículos en otro idioma
12- Discordancia de propósito
49- Artículos repetidos
Investigadores 1, 2 y 3
Acuerdo nal
35 artículos

155
Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
describen las aplicaciones más relevantes sobre
el uso de IA en la cirugía plástica.
PAPEL DE LA INTELIGENCIA
ARTIFICIAL EN LA CIRUGÍA
PLÁSTICA Y RECONSTRUCTIVA
La IA está teniendo un impacto cada vez mayor
en la cirugía plástica y se están desarrollando
diversas aplicaciones en esta área. Algunas
áreas de la cirugía plástica y reconstructiva
beneficiadas por avances prometedores de la
IA incluyen microcirugía, cirugía craneofacial,
cirugía de quemados, cirugía reconstructiva
de mama, cirugía estética, cirugía de mano y
nervio periférico. Además, la IA está siendo
utilizada en la creación de modelos de entre-
namiento y evaluación quirúrgica del cirujano
plástico en formación.
1. Microcirugía
La vigilancia postoperatoria en microcirugía
desempeña un papel de importancia crítica.11
Kiranantawat y colaboradores desarrollaron una
aplicación que permite cuantificar la perfusión
de los colgajos libres. En este estudio, se cap-
turaron imágenes de los dedos medio e índice
con diversos grados de compromiso vascular
para simular la oclusión vascular. A continua-
ción, se entrenó un algoritmo para clasificar los
tejidos del colgajo en categorías como normal,
oclusión venosa y oclusión arterial. El algorit-
mo consiguió una sensibilidad y especificidad
cercana a 100%, demostrando que la IA puede
ser utilizada para mejorar la monitorización de
los colgajos y la detección temprana de fallas
anastomóticas.12
Shi y su equipo desarrollaron un algoritmo
para predecir el fracaso de las reconstrucciones
microvasculares en pacientes que requirieron
colgajos libres. De las variables analizadas sólo
la edad, el índice de masa corporal y el tiempo
de isquemia mostraron una asociación esta-
dísticamente significativa con los resultados.13
2. Cirugía craneofacial
Las aplicaciones principales de la IA en ci-
rugía craneofacial incluyen el desarrollo de
algoritmos para la detección automática de
craneosinostosis.14 El diagnóstico temprano de
la craneosinostosis es crucial para implementar
una intervención oportuna y lograr mejores re-
sultados tanto en el aspecto morfológico como
cognitivo. Por lo general, se prefiere realizar
la corrección quirúrgica antes del primer año
de vida, lo que resalta la importancia de un
tamizaje adecuado en el manejo de la cra-
neosinostosis. Con el objetivo de proporcionar
un tamizaje seguro, temprano y confiable, se
desarrolló un algoritmo capaz de detectar y
clasificar estas alteraciones utilizando radio-
grafías laterales del cráneo. El estudio incluyó
a pacientes con craneosinostosis de diferentes
tipos y un grupo control. El algoritmo logró una
sensibilidad y especificidad de 100% en todos
los casos, ofreciendo una oportunidad para rea-
lizar un tamizaje confiable, accesible y rápido
que mejore el neurodesarrollo del paciente.15
Por otro lado, Mendoza y colaboradores
desarrollaron un algoritmo para diagnosticar
craneosinostosis y distinguir entre diferentes
tipos de esta condición. En el estudio se anali-
zaron tomografías computarizadas; los resulta-
dos mostraron una sensibilidad y especificidad
con una precisión comparable a la evaluación
realizada por radiólogos expertos.16
Aunque ambos estudios proponen que sus
algoritmos pueden convertirse en herramientas
estándar para el diagnóstico de la craneosinos-
tosis y reducir la variabilidad interobservador, es
importante desarrollar algoritmos que analizan
las características morfológicas a través de la
reconstrucción tridimensional utilizando esca-
neo fotográfico craneofacial, con el objetivo de
minimizar la exposición de los pacientes a la
radiación ionizante.
Yeop y su grupo informaron sobre la aplica-
ción de una red neuronal convolucional (RNC)
en el desarrollo de algoritmos para el diag-
nóstico automatizado de trauma craneofacial
utilizando estudios de imagen. Se sugiere que,
con un entrenamiento adecuado, el algoritmo
podría establecer el diagnóstico de fracturas
faciales con una precisión comparable a la de
un cirujano craneofacial.17
3. Cirugía de quemados
La IA ha demostrado ser útil en la atención
del paciente quemado. Por ejemplo, en la

Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
156
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
evaluación de las lesiones, la predicción de
complicaciones y tiempo de curación, y en la
determinación de la superficie corporal total
afectada.
Una de las primeras aplicaciones de la IA
en cirugía plástica relacionada con quemaduras
fue el desarrollo de un método para determinar
con precisión el tiempo de curación de una
lesión. Mediante el uso de espectrometría de
reflectancia y una red neuronal artificial, se
pudo predecir si una quemadura tardaría más
o menos 14 días en sanar, lo que proporcionó
un indicador para evaluar la profundidad de
la quemadura y planificar la cirugía. Este mo-
delo alcanzó una precisión predictiva de 86%,
sugiriendo que puede ser una herramienta
efectiva para la evaluación de las quemaduras
y una alternativa superior a la evaluación visual
directa realizada por los cirujanos plásticos.18
Herramientas convencionales como la «re-
gla de los nueve», presentan limitaciones debi-
do a la asimetría de las lesiones, las variaciones
en el área de superficie debido a la edad del
paciente y la variabilidad interobservador. Se
han desarrollado herramientas basadas en IA
para medir con precisión la superficie lesiona-
da, logrando altos porcentajes de precisión, en
comparación con la evaluación visual realizada
por los médicos, ofreciendo un aporte hídrico
más preciso.19,20
En un metaanálisis realizado por Taib y co-
laboradores se evaluó la precisión de las prue-
bas diagnósticas para lesiones por quemadura
en 12 estudios. La mayoría de los estudios se
centraron en la medición de la profundidad y
segmentación de las quemaduras, así como en
la mortalidad relacionada con las quemaduras.
Los resultados mostraron una alta precisión en
la profundidad de la lesión (95.4%), segmen-
tación de la lesión (99.4%), y predicción de la
mortalidad relacionada con las quemaduras
(precisión superior a 97.5%).21
En la Universidad de Indiana, un grupo de
investigadores está llevando a cabo un ensayo
clínico innovador con el objetivo de crear un
sistema automatizado para la evaluación de
lesiones por quemaduras utilizando IA. El es-
tudio se basa en la recopilación de imágenes
de quemaduras que posteriormente serán
procesadas mediante un software con sistema
inteligente. Se estima que este software tendrá
una precisión superior a 95% en comparación
con la evaluación realizada por humanos.22
4. Cirugía de mano y nervio periférico
La IA ha demostrado avances significativos en el
campo de la cirugía de mano y nervio periféri-
co. En la cirugía de mano, los enfoques se cen-
tran en el análisis automatizado de estructuras
anatómicas en estudios de imagen, detección y
localización de fracturas y afecciones tendino-
sas, así como la detección de alteraciones como
el síndrome del túnel carpiano. También se han
descrito aplicaciones de IA relacionadas con la
evaluación de los rangos de movilidad articu-
lar de la muñeca después de procedimientos
reconstructivos.23,24
La IA se ha utilizado para predecir el éxito de
diferentes injertos de nervio periférico creados
por ingeniería tisular. Mediante el desarrollo de
redes neuronales artificiales y el análisis de más
de 30 variables que describen los materiales de
ingeniería tisular, se logró estimar el éxito de
los injertos en un modelo animal. La precisión
predictiva de la IA alcanzó 92.59%. Estos resul-
tados resaltan el potencial de la IA en el análisis
y desarrollo de estrategias de ingeniería tisular
para la reparación de nervios periféricos.18
Daeschler y su grupo desarrollaron un
modelo de IA que permite la segmentación y
morfometría automatizada de fibras nerviosas
periféricas a partir de imágenes microscópicas
de luz. Aunque los avances se han obtenido en
estudios realizados en ratones, esta herramien-
ta tiene un alto potencial en la regeneración
nerviosa y podría beneficiar a pacientes con
neuropatías.25
El uso de sistemas robóticos en cirugía de
nervio periférico se encuentra en etapas tempra-
nas de desarrollo, pero muestra un gran poten-
cial en áreas específicas como la reconstrucción
del plexo braquial y la reconstrucción del tronco
simpático. Los beneficios incluyen una mejor
visualización, ausencia de temblor esencial,
enfoques mínimamente invasivos, reducción de
complicaciones y mayor precisión quirúrgica.26
5. Reconstrucción mamaria
En la reconstrucción mamaria se han desarro-
llado modelos para la predicción de fallas y de

157
Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
satisfacción postoperatoria de las pacientes.
En un estudio, se desarrolló un modelo de
predicción de falla de colgajos microquirúrgi-
cos para mama. Entre los factores predictores
identificados, la obesidad y el tabaquismo se
encontraron significativamente asociados con
un mayor riesgo de pérdida del colgajo.27
Por otro lado, Hassan y colaboradores
utilizaron algoritmos de aprendizaje automá-
tico (AA) para predecir la satisfacción de las
pacientes después de la cirugía reconstructiva
de mama. Se utilizaron datos de pacientes
sometidas a mastectomía y reconstrucción ma-
maria y se evaluó la satisfacción postquirúrgica
utilizando el cuestionario Breast-Q. Los algorit-
mos fueron capaces de predecir con precisión
el aumento o disminución en la satisfacción
de las pacientes a un año de seguimiento. El
estudio reveló que aproximadamente 30% de
las pacientes mostraron inconformidad con el
resultado reconstructivo obtenido.28
La identificación de factores de riesgo y la ca-
pacidad de predecir la satisfacción del paciente
pueden ayudar a los cirujanos a tomar decisiones
informadas y mejorar los resultados de los pro-
cedimientos de reconstrucción mamaria.
6. Cirugía estética
La implementación de IA en la cirugía estética
ha demostrado ser beneficiosa en el análisis
objetivo de los resultados postoperatorios y
predicción de complicaciones.
En el caso de la mamoplastia de aumento,
Montemurro y su equipo utilizaron AA para
identificar factores predictores de complica-
ciones, encontrando que factores como la talla
de copa preoperatoria mayor a «A», edad de
la paciente y uso de anticonceptivos orales,
tuvieron influencia significativa en el desarrollo
de complicaciones.29
En el caso de la rinoplastia, Borsting y su
equipo desarrollaron un modelo de aprendizaje
profundo que utilizaba imágenes prequirúrgicas
y postquirúrgicas para identificar si un paciente
ya había sido sometido a una rinoplastia. El
modelo demostró una precisión similar a la
evaluación realizada por cirujanos expertos.30
Lou y sus colegas utilizaron análisis de
imágenes para comparar las características de
los párpados antes y después de la cirugía. El
algoritmo permitió medir automáticamente la
longitud del párpado, el área de la córnea y la
simetría del contorno del párpado. Los resul-
tados mostraron una alta correlación entre las
mediciones automáticas y las mediciones ma-
nuales, demostrando que la IA puede agilizar
el proceso de evaluación de los pacientes.7
Educación y entrenamiento quirúrgico
En el campo de la educación quirúrgica, la
IA ha mostrado su potencial para superar los
obstáculos que presentan los métodos de
enseñanza tradicionales, especialmente en el
contexto de la pandemia de COVID-19. Estos
sistemas pueden tomar decisiones y propor-
cionar adaptación personalizada, incluyendo
la evaluación de competencias y retroalimen-
tación al residente.31
En la evaluación de la competencia qui-
rúrgica, se han desarrollado tecnologías que
permiten a los residentes grabar sus procedi-
mientos quirúrgicos y comparar su desempeño
con grabaciones previas de ellos mismos o de
cirujanos expertos. Esta estrategia brinda a los
residentes una evaluación objetiva de sus ha-
bilidades quirúrgicas y les ayuda a identificar
áreas de mejora. La incorporación de sensores
para rastrear el movimiento de los ojos, las
manos y el uso efectivo de instrumentos puede
dar resultados mucho más precisos y objetivos
o estimular la creación de nuevas formas de
evaluación de las habilidades quirúrgicas.18
Retos a futuro
1. Implicaciones éticas
La aplicación de IA genera múltiples preocu-
paciones éticas, especialmente en la práctica
clínica de cirugía plástica. Uno de los dilemas
éticos que surgen de los sistemas de IA es la
discriminación basada en la raza y el género en
su supuesta capacidad de clasificar la belleza
de forma objetiva. Además, el uso aislado de
la IA puede llevar a la propagación de la di-
visión racial y la pérdida de diversidad en las
cirugías cosméticas.32 La belleza es subjetiva y
está influenciada culturalmente, por lo que las
mediciones basadas en IA son sólo represen-
taciones cuantificables de opiniones y, por lo

Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
158
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
tanto, no deben reemplazar la toma de deci-
siones compartida entre médicos y pacientes
para lograr la mejor calidad de atención al
paciente. La limitación del tamaño de los con-
juntos de datos es un problema significativo,
especialmente al entrenar las redes neuronales
convolucionales (RNC), que requieren grandes
conjuntos de datos. Los estudios que utilizan IA
en cirugías cosméticas y reconstructivas tienen
fuentes limitadas de conjuntos de datos, lo
que puede superarse mediante técnicas espe-
cíficas de aumento de datos y la recopilación
de conjuntos de datos de diferentes centros
con pacientes de diferentes edades, géneros y
nacionalidades para aumentar la generalización
del modelo de IA.
Otro de los desafíos éticos radica en el
consentimiento informado y la necesidad de
acuerdos sobre el uso de datos por parte de
los proveedores de datos.33 Además, se debe
enfatizar la importancia de asegurar la calidad
de los datos utilizados en los algoritmos de
inteligencia artificial, especialmente cuando
se busca mejorar las decisiones de tratamiento
de los pacientes. Para alcanzar este objetivo,
es crucial que los conjuntos de datos emplea-
dos para entrenar los sistemas de aprendizaje
automático sean representativos de la pobla-
ción a la que van dirigidos. En este sentido,
los proveedores deben hacer un esfuerzo por
optimizar los datos y algoritmos en beneficio
de sus pacientes.
2. Limitaciones de la inteligencia articial
Las herramientas y aplicaciones de IA ofrecen
numerosas ventajas en cirugía plástica con el
objetivo de potenciar la atención clínica, la
investigación y la educación. Además, la IA es
una excelente herramienta para derribar las
barreras impuestas por el idioma en el proce-
so de publicación científica de las revistas de
mayor impacto en cirugía plástica.34 Se espera
que, en el futuro, la IA supere al rendimiento
humano en tareas complejas; sin embargo, su
aplicación también presenta limitaciones, como
el sesgo en los datos de entrenamiento y la falta
de transparencia en los algoritmos. Además,
su adopción generalizada en el cuidado de la
salud se ha visto obstaculizada por su relativa-
mente nueva tecnología y la inaccesibilidad
percibida. La utilización de la IA también
plantea cuestiones éticas críticas, incluida la
privacidad de los datos y el consentimiento
informado. Las predicciones de la IA y los datos
deben evaluarse cuidadosamente y su mal uso
potencial es una preocupación.
Para lograr la generación de modelos de
AA confiables, es fundamental disponer de una
población suficientemente grande. En caso de
que exista una discrepancia significativa entre
las cohortes, podría ser necesario recurrir a
técnicas de remuestreo para obtener resultados
aceptables.35
Aunque en muchas tareas de diagnóstico los
modelos de AP han demostrado un rendimien-
to similar o incluso superior al de los médicos;
es importante tener en cuenta que la falta de
contexto clínico limita las comparaciones. En
situaciones reales, un médico tendría acceso a
una información más detallada, como historias
médicas y quirúrgicas, imágenes y entrevistas
con el paciente. En los estudios que comparan
el desempeño humano con el de la inteligencia
artificial, los lectores humanos deben hacer
diagnósticos únicamente a partir de los datos
proporcionados, lo que no considera los demás
factores contextuales que pueden afectar los
resultados.7,35
CONCLUSIÓN
La inteligencia artificial tiene el potencial de
revolucionar la cirugía plástica al mejorar la
precisión, la eficiencia y la seguridad de los
procedimientos, así como la evaluación de
resultados y el desarrollo de alternativas tera-
péuticas que en este momento son promete-
doras. A medida que la tecnología continúa
avanzando, es importante que los cirujanos
plásticos y los desarrolladores de IA trabajen
juntos para superar los desafíos y aprovechar
al máximo las oportunidades que ofrece la IA
en este campo. Si se implementa de manera
adecuada y ética, la IA puede convertirse
en una herramienta invaluable en la cirugía
plástica, mejorando el desenlace y la calidad
de vida de los pacientes. No obstante, se re-
quiere investigación multicéntrica futura para
desarrollar un sistema de soporte de decisión
clínica impulsado y basado en IA con tamaños
de muestra grandes.

159
Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
REFERENCIAS
1. Cruz-Zermeño M, Seidman-Sorsby A, Telich-Tarriba
JE. Niveles de evidencia en artículos publicados por
la revista Cirugía Plástica: un análisis bibliométrico a
10 años. Cir Plast 2022; 32 (2): 82-85.
2. Eldaly AS, Ávila FR, Torres-Guzmán RA, Maita K,
García JP, Palmieri Serrano L et al. Simulation and
artificial intelligence in rhinoplasty: a systematic review.
Aesthetic Plast Surg 2022; 46 (5): 2368-2377.
3. Vles MD, Terng NCO, Zijlstra K, Mureau MAM, Corten
EML. Virtual and augmented reality for preoperative
Lanning in plastic surgical procedures: a systematic
review. J Plast Reconstr Aesthet Surg 2020; 73 (11):
1951-1959.
4. Nguyen C, Nicolai ESJ, He JJ, Roshchupkin GV, Corten
EML. 3D surface imaging technology for objective
automated assessment of facial interventions: a
systematic review. J Plast Reconstr Aesthet Surg 2022;
75 (11): 4264-4272.
5. Murphy DC, Saleh DB. Artificial Intelligence in plastic
surgery: What is it? Where are we now? What is on the
horizon? Ann R Coll Surg Engl 2020; 102 (8): 577-580.
6. Liang X, Yang X, Yin S, Malay S, Chung KC, Ma J et al.
Artificial intelligence in plastic surgery: applications and
challenges. Aesthetic Plast Surg 2021; 45 (2): 784-790.
7. Morris MX, Rajesh A, Asaad M, Hassan A, Saadoun
R, Butler CE. Deep learning applications in surgery:
current uses and future directions. Am Surg 2023; 89
(1): 36-42.
8. Choi RY, Coyner AS, Kalpathy-Cramer J, Chiang MF,
Peter Campbell J. Introduction to machine learning,
neural networks, and deep learning. Transl Vis Sci
Technol 2020; 9 (2): 14.
9. Rajkomar A, Dean J, Kohane I. Machine learning in
medicine. N Engl J Med 2019; 380 (14): 1347-1358.
10. Kim YJ, Kelley BP, Nasser JS, Chung KC. Implementing
precision medicine and artificial intelligence in plastic
surgery: concepts and future prospects. Plast Reconstr
Surg Glob Open 2019; 7 (3): e2113.
11. Asaad M, Lu SC, Hassan AM, Kambhampati P, Mitchell
D, Chang EI et al. The use of machine learning for
predicting complications of free-flap head and neck
reconstruction. Ann Surg Oncol 2023; 30 (4): 2343-
2352.
12. Kiranantawat K, Sitpahul N, Taeprasartsit P,
Constantinides J, Kruavit A, Srimuninnimit V et al.
The first smartphone application for microsurgery
monitoring: SilpaRamanitor. Plast Reconstr Surg 2014;
134 (1): 130-139.
13. Shi YC, Li J, Li SJ, Li ZP, Zhang HJ, Wu ZY et al. Flap
failure prediction in microvascular tissue reconstruction
using machine learning algorithms. World J Clin Cases
2022; 10 (12): 3729-3738.
14. Mak ML, Al-Shaqsi SZ, Phillips J. Prevalence of
machine learning in craniofacial surgery. J Craniofac
Surg 2020; 31 (4): 898-903.
15. Mizutani K, Miwa T, Sakamoto Y, Toda M. Application
of deep learning techniques for automated diagnosis of
non-syndromic craniosynostosis using skull. J Craniofac
Surg 2022; 33 (6): 1843-1846.
16. Mendoza CS, Safdar N, Okada K, Myers E, Rogers
GF, Linguraru MG. Personalized assessment of
craniosynostosis via statistical shape modeling. Med
Image Anal 2014; 18 (4): 635-646.
17. Ryu JY, Chung HY, Choi KY. Potential role of artificial
intelligence in craniofacial surgery. Arch Craniofac Surg
2021; 22 (5): 223-231.
18. Kanevsky J, Corban J, Gaster R, Kanevsky A, Lin S,
Gilardino M. Big data and machine learning in plastic
surgery: a new frontier in surgical innovation. Plast
Reconstr Surg 2016; 137 (5): 890e-897e.
19. Chang CW, Ho CY, Lai F, Christian M, Huang SC, Chang
DH, et al. Application of multiple deep learning models
for automatic burn wound assessment. Burns 2023; 49
(5): 1039-1051.
20. Huang S, Dang J, Sheckter CC, Yenikomshian HA,
Gillenwater J. A systematic review of machine learning
and automation in burn wound evaluation: a promising
but developing frontier. Burns 2021; 47 (8): 1691-1704.
21. Taib BG, Karwath A, Wensley K, Minku L, Gkoutos GV,
Moiemen N. Artificial intelligence in the management
and treatment of burns: a systematic review and
meta-analyses. J Plast Reconstr Aesthet Surg 2023; 77:
133-161.
22. Gordillo G. AutoMated burn diagnostic system
for healthcare. Indiana University. ClinicalTrials.
gov identifier: NCT05167461. 2021 [Accessed
12/08/2023]. Available in: https://classic.clinicaltrials.
gov/ct2/show/NCT05167461
23. Miller R, Farnebo S, Horwitz MD. Insights and trends
review: artificial intelligence in hand surgery. J Hand
Surg Eur 2023; 48 (5): 396-403.
24. Keller M, Guebeli A, Thieringer F, Honigmann P.
Artificial intelligence in patient-specific hand surgery: a
scoping review of literature. Int J Comput Assist Radiol
Surg 2023; 18 (8): 1393-1403.
25. Daeschler SC, Bourget MH, Derakhshan D, Sharma
V, Asenov SI, Gordon T et al. Rapid, automated nerve
histomorphometry through open-source artificial
intelligence. Sci Rep 2022; 12 (1): 5975.
26. Chen LWY, Goh M, Goh R, Chao YK, Huang JJ, Kuo
WL et al. Robotic-assisted peripheral nerve surgery: a
systematic review. J Reconstr Microsurg 2021; 37 (6):
503-513.
27. O’Neill AC, Yang D, Roy M, Sebastiampillai S,
Hofer SOP, Xu W. Development and evaluation of a
machine learning prediction model for flap failure in
microvascular breast reconstruction. Ann Surg Oncol
2020; 27 (9): 3466-3475.
28. Hassan AM, Rajesh A, Asaad M, Nelson JA, Coert JH,
Mehrara BJ et al. Artificial intelligence and machine
learning in prediction of surgical complications: current
state, applications, and implications. Am Surg 2023;
89 (1): 25-30.
29. Montemurro P, Lehnhardt M, Behr B, Wallner C. A
machine learning approach to identify previously
unconsidered causes for complications in aesthetic
breast augmentation. Aesthetic Plast Surg 2022; 46
(6): 2669-2676.
30. Borsting E, Desimone R, Ascha M, Ascha M. Applied
deep learning in plastic surgery: classifying rhinoplasty
with a mobile app. J Craniofac Surg 2020; 31 (1): 102-
106.
31. Guerrero DT, Asaad M, Rajesh A, Hassan A, Butler
CE. Advancing surgical education: the use of artificial

Telich-Tarriba JE y cols. Inteligencia articial en la cirugía plástica y reconstructiva
160
Cirugía Plástica 2023; 33 (4): 152-160 www.medigraphic.com/cirugiaplastica
intelligence in surgical training. Am Surg 2023; 89 (1):
49-54.
32. Rokhshad R, Keyhan SO, Yousefi P. Artificial intelligence
applications and ethical challenges in oral and maxillo-
facial cosmetic surgery: a narrative review. Maxillofac
Plast Reconstr Surg 2023; 45 (1): 14.
33. Jarvis T, Thornburg D, Rebecca AM, Teven CM. Artificial
intelligence in plastic surgery: current applications,
future directions, and ethical implications. Plast
Reconstr Surg Glob Open 2020; 8 (10): e3200.
34. Telich-Tarriba JE. Unlocking the potential of AI in
overcoming language barriers in academic publishing.
J Plast Reconstr Aesthet Surg 2023; 83: 298-300.
35. Atiyeh B, Emsieh S, Hakim C, Chalhoub R. A narrative
review of artificial intelligence (AI) for objective
assessment of aesthetic endpoints in plastic surgery.
Aesthetic Plast Surg 2023. doi: 10.1007/s00266-023-
03328-9.
Conflicto de intereses: los autores declaran
no tener conflicto de intereses.
Financiamiento: el presente estudio no recibió
financiamiento.
Correspondencia:
Dr. José Eduardo Telich-Tarriba
E-mail: josetelich@gmail.com