Sistema de Biorretroalimentación para el Seguimiento de la Parálisis Facial – INRLGII

Resumen

Introducción. La parálisis facial es una condición neuromotora que altera la movilidad, simetría y expresión del rostro, con repercusiones funcionales, estéticas, emocionales y sociales. Su impacto puede observarse en actividades cotidianas como hablar, sonreír, cerrar los ojos, alimentarse o comunicarse mediante expresiones faciales. En el ámbito clínico, su evaluación suele realizarse mediante escalas observacionales y apreciación visual del profesional de salud. Aunque estas herramientas son útiles, pueden presentar variabilidad entre evaluadores y limitar la cuantificación objetiva de los cambios durante la rehabilitación. Por ello, se requieren herramientas tecnológicas que apoyen el seguimiento terapéutico mediante mediciones cuantificables, reproducibles y accesibles. En este contexto se desarrolló BIOPAF, un sistema de biorretroalimentación para la evaluación de parálisis facial basado en visión por computadora e inteligencia artificial, que integra OpenCV, MediaPipe Face Mesh y una base de datos clínica digital para estimar índices de asimetría facial.

Objetivo. El objetivo es evaluar, mediante una prueba de concepto, la capacidad preliminar de BIOPAF para analizar imágenes faciales sintéticas generadas por inteligencia artificial y estimar el porcentaje de asimetría facial. Esta aproximación permitió valorar el funcionamiento técnico inicial del sistema como herramienta de apoyo para el seguimiento cuantitativo de alteraciones faciales antes de su aplicación en imágenes clínicas de pacientes reales.

Metodología. Se realizó un estudio descriptivo, transversal y de prueba de concepto utilizando diez imágenes faciales sintéticas generadas por inteligencia artificial. Las imágenes representaron rostros con diferentes grados visuales de simetría y asimetría facial. BIOPAF fue desarrollado en Python 3.11, con una interfaz gráfica en CustomTkinter orientada a facilitar su uso por personal clínico. La gestión de información se implementó mediante SQLite3, permitiendo el registro de expedientes, resultados del análisis y porcentaje de asimetría. Para el análisis facial, el sistema integró OpenCV y MediaPipe Face Mesh, seleccionando puntos anatómicos de referencia en nariz, comisuras labiales y región ocular. El algoritmo calculó distancias euclidianas entre puntos centrales y bilaterales, comparando regiones faciales derecha e izquierda para estimar el porcentaje de asimetría facial.

Resultados. BIOPAF procesó las imágenes sintéticas y generó un porcentaje de asimetría facial para cada caso. Cinco imágenes mostraron valores bajos de asimetría, entre 0.49% y 2.97%, mientras que las cinco restantes presentaron valores más altos, entre 4.86% y 7.97%. El sistema permitió visualizar la detección de puntos faciales, calcular índices de asimetría y registrar de manera estructurada los resultados del análisis automatizado. Estos hallazgos muestran que BIOPAF puede diferenciar preliminarmente imágenes generadas por IA con menor y mayor asimetría facial.

Conclusión. BIOPAF integró visión por computadora, inteligencia artificial y expedientes digitales para estimar objetivamente la asimetría facial. La prueba de concepto con imágenes sintéticas demostró la viabilidad técnica del sistema como herramienta de apoyo para el seguimiento cuantitativo de la parálisis facial. Al tratarse de imágenes generadas por IA, los resultados deben interpretarse como una validación técnica preliminar. Se requiere una etapa posterior con imágenes clínicas de pacientes reales y comparación con escalas clínicas establecidas.