Vea También
En un hospital regional de Málaga, las máquinas de resonancia magnética (MRI) reciben pacientes desde las 8 de la mañana hasta las 2 de la madrugada; es el último intento del hospital regional por reducir las listas de espera que ya generan preocupación. Funcionando de lunes a domingo, esta tecnología es crucial para muchos diagnósticos. Sin embargo, suele ser de las pruebas que experimentan listas de espera más largas.
¿Por qué lleva tanto tiempo una resonancia magnética?
La imagen por resonancia magnética es capaz de proporcionarnos imágenes de los tejidos y los órganos internos de forma muy clara. El escáner de resonancia se compone principalmente de imanes muy grandes y potentes y un emisor de pulsos de radiofrecuencia. El campo magnético creado por los imanes alinea las moléculas de agua de nuestro cuerpo. La energía que liberan estas moléculas, al cambiar de dirección en respuesta a los pulsos de radiofrecuencia, es captada por un receptor y transformada en imagen.
Tradicionalmente, capturar imágenes detalladas de la microestructura cerebral requiere numerosas mediciones y largos tiempos de exploración, lo que significa que los pacientes deben permanecer dentro del escáner de resonancia magnética durante períodos prolongados.
¿La razón detrás de estas numerosas mediciones y largos tiempos de exploración? ¡El ruido! No el ruido acústico, sino el ruido numérico inherente a las mediciones, que las vuelven borrosas e imprecisas.
Factores como el movimiento del paciente, pequeñas imprecisiones mecánicas e incluso los sutiles movimientos naturales de las células, contribuyen a este “ruido” en las mediciones.
En cualquier estudio de sistemas biológicos vivos –especialmente, cuando se utilizan imanes para observar estructuras internas de manera no invasiva–, el ruido es un escollo inevitable. Para compensarlo, el enfoque estándar ha sido realizar muchas más mediciones de las teóricamente necesarias, a veces hasta diez veces, prolongando así la exploración y contribuyendo a problemas como la saturación en las listas de espera de pacientes.
Inteligencia artificial al rescate
Para abordar este desafío, nuestro equipo en el Instituto de Neurociencias de Alicante recurrió a los avances en inteligencia artificial (IA) y los combinó con la tecnología de resonancia magnética.
La IA se ha utilizado en una amplia variedad de enfoques, incluyendo la detección de cánceres antes de que aparezcan, la mejora de la resolución de imágenes de baja calidad o el descubrimiento de nuevos fármacos poderosos. En nuestro caso, el objetivo es deshacernos de las imágenes con ruido y “decodificar” la información esencial a partir de solo unas pocas imágenes –incluso en presencia de ruido–.
Se logra con el uso de redes neuronales, el mismo tipo de arquitectura que impulsa tecnologías como ChatGPT y DALL-E. Estas redes están diseñadas para imitar la capacidad de reconocimiento de patrones del cerebro humano, permitiéndoles filtrar el ruido y extraer señales genuinas de cualquier medición, ya sea una exploración de resonancia magnética u otro tipo de datos.
Un obstáculo importante en la IA es la necesidad de grandes cantidades de datos que las redes neuronales requieren para aprender acerca de su tarea desde el principio. Estos datos deben ser de alta calidad y contener una amplia gama de características para que la IA pueda aprender qué es importante; en este caso, cómo evaluar con precisión los datos de MRI.
Esto puede ser éticamente problemático, ya que los pacientes pueden no consentir que sus datos se utilicen de esta manera. También cabe la posibilidad de que no haya suficiente información disponible y de que los datos estén sesgados.
Para superar esto, empleamos un nuevo campo en inteligencia artificial y aprendizaje automático: la inferencia basada en simulación. Asumiendo que los procesos físicos pueden modelarse con precisión mediante simulaciones o modelos matemáticos, generamos nuestros propios datos de alta calidad sin vulnerar la privacidad de nadie.
Además, estas simulaciones pueden ajustarse para abarcar una amplia gama de escenarios, superando las limitaciones de depender únicamente de datos reales. Y pueden producirse en cantidades ilimitadas. Esto hace que el enfoque sea respetuoso con la privacidad y, a la vez, rico en datos.
Del laboratorio al hospital: el futuro prometedor de la IA en imagen médica
Es importante destacar que lo que hace de la MRI un escenario ideal para que la información basada en simulación no solo alcance, sino que supere el estado actual de la técnica, es que los datos que obtenemos de las resonancias pueden describirse fácilmente mediante simulaciones.
Dicho de otro modo, contamos con numerosos modelos matemáticos que nos permiten imitar lo que sucede en el cerebro durante una exploración de MRI.
En el caso más simple, conocido como imagen por tensor de difusión (que mide cómo se difunde el agua a través del cerebro sin considerar su microestructura subyacente), redujimos el tiempo de exploración en un 95 %, sin sacrificar la precisión. Incluso en modelos más complejos, en los que intentamos capturar la estructura celular real del cerebro, logramos resultados satisfactorios con una reducción del 90 % en el tiempo de exploración.
Nuestro equipo, así como otros en el campo de la IA aplicada a imagen médica, trabaja para perfeccionar la integración de la inferencia basada en simulación y la resonancia magnética. Los resultados obtenidos en el último año son notables y prometen un impacto significativo que va mucho más allá de la mera eficiencia en la exploración.
Para los investigadores, estos avances significan un uso más eficaz de los recursos y la posibilidad de estudiar el cerebro vivo con un detalle cada vez mayor.
En el caso de las clínicas, usar inferencia basada en simulación para analizar la estructura celular real del cerebro (algo que actualmente no es posible con sus recursos) podría revelar indicadores tempranos de enfermedades neurodegenerativas que hoy en día se pasan por alto.
Y, por último, en el caso del hospital de Málaga, si se pudiera reducir el tiempo de exploración en un 90 % con la misma precisión, los técnicos y los pacientes definitivamente no tendrían que estar en el hospital hasta las 2 de la madrugada.
Maximilian Eggl recibe fondos de la Fundación La Caixa
Silvia de Santis recibe fondos de la Fundación Pasqual Maragall, del Agencia Estatal de Investigación y de la Generalitat Valenciana.
Este artículo fue publicado originalmente en The Conversation. Lea el original.