Un nuevo sistema de inteligencia artificial permite obtener información detallada del cerebro utilizando solo una pequeña parte de las imágenes que normalmente requiere una resonancia magnética avanzada. El desarrollo consigue reducir hasta un 90% el tiempo necesario para ciertos escaneos cerebrales, manteniendo una elevada precisión diagnóstica y abriendo la puerta a técnicas de neuroimagen más rápidas, eficientes y accesibles para hospitales y pacientes.
La tecnología, publicada en la revista científica Communications Medicine, combina inteligencia artificial y simulaciones computacionales para reconstruir información cerebral compleja a partir de muchos menos datos de resonancia magnética de los habituales.
Actualmente, las resonancias cerebrales avanzadas obligan al paciente a permanecer inmóvil dentro del escáner durante periodos que pueden oscilar entre 30 y 60 minutos. Además, los sistemas de inteligencia artificial aplicados a neuroimagen suelen requerir enormes bases de datos clínicas, difíciles de recopilar y con importantes implicaciones de privacidad.
La IA aprende con simulaciones en lugar de usar datos reales de pacientes
El nuevo método cambia radicalmente el enfoque tradicional de la inteligencia artificial aplicada a resonancias magnéticas.
En lugar de entrenar las redes neuronales con imágenes reales de pacientes, los investigadores utilizan simulaciones basadas en la física del movimiento del agua en el tejido cerebral. Estas simulaciones generan resonancias magnéticas sintéticas extremadamente realistas, capaces de reproducir el comportamiento de imágenes clínicas reales.
A partir de estos datos artificiales, la inteligencia artificial aprende a identificar biomarcadores relacionados con el estado del tejido cerebral utilizando un número muy reducido de imágenes.
“Reducir el tiempo de adquisición necesario permite incorporar técnicas de resonancia mucho más avanzadas, lo que se traduce en una mayor cantidad de información clínica disponible para el personal médico”, explica Silvia De Santis, investigadora del Instituto de Neurociencias.
El sistema reduce los sesgos y evita problemas de privacidad
El uso de simulaciones computacionales también elimina algunas de las limitaciones más importantes de los sistemas actuales de inteligencia artificial médica.
“El uso de simulaciones nos permite generar tantos datos como necesitemos, sin depender de la disponibilidad de pacientes y evitando problemas de privacidad”, señala Maximilian Eggl, investigador del Instituto de Neurociencias y responsable de la línea Biomarcadores de la estructura y función cerebral inspirados en IA.
Según los autores, esta estrategia permite entrenar modelos más flexibles y menos condicionados por los sesgos presentes en muchas bases de datos clínicas tradicionales.
La técnica permite obtener la misma información usando solo un 10% de los datos
La metodología se basa en técnicas avanzadas de resonancia magnética conocidas como diffusion-weighted MRI, utilizadas para estudiar de forma no invasiva la microestructura cerebral analizando el movimiento del agua dentro del tejido nervioso.
Uno de los resultados más relevantes del estudio es que el sistema logra reconstruir información cerebral compleja utilizando únicamente una fracción de las mediciones habituales.
“Hemos visto que nuestra red, entrenada completamente con simulaciones, es capaz de obtener una precisión muy alta utilizando solo un 10% de los datos”, afirma Eggl.
El investigador añade que “esto puede tener un impacto directo en la clínica, especialmente en hospitales con listas de espera muy largas”.
De 40 minutos a solo 8: el impacto en hospitales y pacientes
La reducción del número de imágenes necesarias puede transformar el funcionamiento de los servicios hospitalarios de radiología y neuroimagen.
“Imagínate pasar de 40 minutos a unos 8 aproximadamente para obtener la misma información. Este procedimiento permitiría aumentar el número de pacientes atendidos en el mismo tiempo y hacer el sistema mucho más eficiente”, destacan los investigadores.
Además de mejorar la eficiencia hospitalaria, los tiempos más cortos facilitarían la realización de resonancias a personas mayores, pacientes con dolor o niños con dificultades para permanecer inmóviles durante largos periodos.
El avance puede mejorar el diagnóstico precoz del alzhéimer
La nueva tecnología también podría tener un impacto importante en el estudio y diagnóstico temprano de enfermedades neurodegenerativas como el alzhéimer.
Estas patologías presentan fases preclínicas muy largas, que pueden extenderse durante décadas antes de la aparición de síntomas evidentes.
“El diagnóstico clínico de las patologías degenerativas sigue basándose en técnicas desarrolladas hace más de 30 años, mientras que la incorporación de avances generados en laboratorio continúa siendo un gran desafío. Este nuevo enfoque permitiría obtener información más detallada y, con ello, mejorar el diagnóstico de estas enfermedades”, explica Silvia De Santis.
La IA permite reinterpretar resonancias realizadas hace décadas
Otro de los aspectos más relevantes del sistema es su capacidad para volver a analizar resonancias magnéticas antiguas obtenidas con tecnologías menos avanzadas.
Gracias al entrenamiento basado en simulaciones, los investigadores pueden reinterpretar datos adquiridos hace décadas y extraer nueva información sobre enfermedades neurológicas que antes permanecía oculta.