es.wedoany.com Noticia: Un estudio publicado en la revista Communications Medicine propone que la aplicación de la inteligencia artificial a la neuroimagen puede reducir el tiempo necesario para ciertas resonancias magnéticas avanzadas hasta en un 90%, manteniendo una alta precisión.
La innovación de este estudio reside en el método de entrenamiento del modelo de inteligencia artificial. A diferencia de la mayoría de las aplicaciones actuales que utilizan datos reales de pacientes, el equipo de investigación generó datos simulados basados en los principios físicos del proceso de difusión en el tejido cerebral, y los empleó para entrenar una red neuronal que estima los parámetros del modelo como biomarcadores del estado del tejido a partir de muy pocas imágenes de resonancia.
"Reducir el tiempo necesario para la adquisición hace posible la integración de técnicas de resonancia magnética más avanzadas, proporcionando así más información clínica al personal médico", explica Silvia De Santis, investigadora que lidera el Laboratorio de Biomarcadores de Imagen Traslacional del IN CSIC-UMH.
Este enfoque también reduce los sesgos asociados a los conjuntos de datos clínicos tradicionales. Maximilian Eggl, investigador que lidera la línea de Biomarcadores de Estructura y Función Cerebral Inspirados por Inteligencia Artificial del IN CSIC-UMH, añade que el uso de técnicas de simulación permite generar tantos datos como sea necesario, sin depender de la disponibilidad de pacientes y evitando, al mismo tiempo, los problemas de privacidad.
El método se basa en técnicas avanzadas como la resonancia magnética ponderada por difusión, que permiten estudiar de forma no invasiva el movimiento del agua en el tejido cerebral para obtener información sobre su microestructura. La inteligencia artificial puede reconstruir de manera eficiente las características detalladas del tejido cerebral a partir de estas señales.
El estudio demuestra una reducción drástica en el número de mediciones necesarias. Eggl afirma que la red, entrenada completamente con datos simulados, alcanza una precisión muy alta utilizando solo el 10% de los datos. Esto podría tener un impacto directo en el entorno clínico, especialmente en hospitales con largas listas de espera.
Esto se traduce en una reducción significativa del tiempo de escaneo, por ejemplo, de aproximadamente 40 minutos a unos 8 minutos para obtener la misma información. Ambos investigadores consideran que este proceso permitirá tratar a más pacientes en el mismo tiempo y hará el sistema más eficiente.
El método abre nuevas posibilidades para la investigación de enfermedades neurodegenerativas como el Alzheimer. Estas patologías tienen una fase preclínica de hasta veinte años, durante la cual no hay síntomas evidentes. De Santis explica que el diagnóstico clínico de las enfermedades degenerativas sigue basándose en tecnologías desarrolladas hace más de 30 años, y que integrar los avances del laboratorio en la práctica clínica sigue siendo un gran desafío. Este nuevo enfoque permite obtener información más detallada, lo que a su vez puede mejorar el diagnóstico.
Además, el sistema permite reanalizar datos de resonancias magnéticas adquiridas hace décadas, que anteriormente estaban limitadas por la tecnología disponible en ese momento. Gracias a este nuevo método basado en simulación, esos datos pueden reinterpretarse para extraer nueva información relevante sobre enfermedades neurológicas.
Este trabajo ha recibido financiación de la Fundación "laCaixa", la Agencia Estatal de Investigación (AEI) y el Ministerio de Ciencia, Innovación y Universidades de España, el programa de excelencia Centro Severo Ochoa, la ayuda para la contratación de doctores de excelencia de la Generalitat Valenciana (CIDEGENT 2021), y el Programa de Investigadores de la Fundación Pasqual Maragall (PMRP).
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
