Avances notables han emergido en la visualización anatómica médica gracias a la implementación de un innovador método llamado Multi-Layer Gaussian Splatting, desarrollado por un equipo de investigación encabezado por Constantin Kleinbeck y sus colaboradores de la Universidad Técnica de Múnich y Siemens Healthineers AG. Este método revolucionario permite crear visualizaciones tridimensionales detalladas a partir de datos volumétricos de tomografía computarizada (CT), utilizando un modelo de splatting gaussiano en capas.

El modelo en cuestión se entrena secuencialmente con múltiples renderizaciones del mismo escaneo CT, lo que lo hace visible en tiempo real a través de dispositivos de realidad virtual. Más allá de proporcionar simples imágenes estáticas, este avance permite la activación y el recorte selectivo de capas en el momento de la renderización, mejorando de manera significativa la interactividad y superando las limitaciones de técnicas estáticas previas.

El uso de path tracing volumétrico en la visualización médica ha demostrado ser un método moderno que ofrece imágenes tridimensionales realistas, facilitando una mejor comprensión de las anatomías complejas. Sin embargo, su aplicación en dispositivos con limitaciones computacionales, como los cascos móviles de realidad virtual, ha sido un desafío debido a sus altas demandas de procesamiento.

El nuevo enfoque, utilizando splatting gaussiano, ofrece una representación eficiente pero estática de los datos CT, introduciendo un modelo en capas que minimiza el solapamiento y comprime el modelo con agrupamientos a través de las capas, permitiendo así tasas de fotogramas interactivas manteniendo la calidad de las estructuras anatómicas.

La representación en capas es una evolución significativa respecto a las técnicas tradicionales de marcha de rayos, mejorando notablemente la fidelidad visual gracias a una manipulación más precisa de las luces y sombras en las representaciones. Este avance es particularmente beneficioso en procesos educativos y de planificación médica, donde la interacción y el entendimiento espacial son clave.

A modo de conclusión, el método propuesto se alza como una herramienta de gran potencial para la educación médica y la planificación quirúrgica, ofreciendo experiencias visuales inmersivas que facilitan una comprensión más clara de las estructuras anatómicas complejas. A medida que la tecnología avanza, se prevé que estos métodos sean cada vez más accesibles para múltiples aplicaciones médicas en entornos con capacidades computacionales limitadas.