Un avance que promete transformar los estudios por imágenes
NewsITe
Investigadores del Instituto de Neurociencias de España desarrollaron un método basado en inteligencia artificial (IA) que permite reducir hasta un 90% el tiempo necesario para realizar ciertas resonancias magnéticas avanzadas, sin perder precisión diagnóstica. El trabajo, publicado en la revista científica Communications Medicine, abre la puerta a estudios más rápidos, accesibles y eficientes en hospitales de todo el mundo.
Hoy, un paciente puede permanecer inmóvil entre 30 y 60 minutos dentro del resonador para completar un examen complejo. Con esta innovación, ese tiempo podría caer a unos 8 minutos para obtener la misma cantidad y calidad de información, un cambio con impacto directo en listas de espera y en la comodidad de quienes deben someterse a estos estudios.
Cómo la inteligencia artificial acorta el tiempo de estudio
A diferencia de otros desarrollos basados en grandes bases de datos de pacientes, el equipo del Consejo Superior de Investigaciones Científicas (CSIC) y de la Universidad Miguel Hernández de Elche (UMH) optó por otra estrategia. En lugar de recopilar y procesar miles de resonancias reales, generó simulaciones mediante un modelo físico del proceso de difusión del agua en el tejido cerebral.
Con esas simulaciones, diseñadas para imitar de manera realista resonancias de pacientes, entrenaron redes neuronales artificiales que ajustan parámetros del modelo y los convierten en biomarcadores del estado del tejido. De este modo, el sistema necesita muchas menos imágenes para reconstruir información detallada del cerebro.
Más información clínica en menos tiempo
Según explican los autores, la metodología se apoya en técnicas avanzadas de resonancia magnética por difusión (diffusion-weighted MRI), capaces de estudiar el movimiento del agua en el cerebro y, a partir de allí, describir su microestructura sin necesidad de procedimientos invasivos.
“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”, destacó la investigadora del CSIC Silvia De Santis, responsable del laboratorio de Biomarcadores de Imaging Traslacional del Instituto de Neurociencias.
Uno de los resultados más relevantes es la disminución drástica del número de mediciones requeridas. De acuerdo con el investigador Maximilian Eggl, la red entrenada únicamente con simulaciones logra una precisión muy alta utilizando apenas el 10% de los datos habituales, algo que podría beneficiar especialmente a centros con alta demanda y recursos limitados.
Aplicaciones en enfermedades neurodegenerativas
El enfoque también abre nuevas posibilidades para el estudio temprano de patologías neurodegenerativas, como el alzhéimer, que puede atravesar una fase preclínica de hasta dos décadas sin síntomas visibles. Al contar con estudios más rápidos y sensibles, los especialistas podrían detectar alteraciones en el tejido cerebral mucho antes de que se manifiesten los signos clínicos.
- Posible diagnóstico más precoz en enfermedades como el alzhéimer.
- Mayor cantidad de pacientes atendidos por día en los servicios de imágenes.
- Reducción de costos operativos al optimizar el uso del resonador.
- Mejor experiencia para el paciente, con menos tiempo dentro del escáner.
Otra ventaja clave es que el método permite reanalizar resonancias magnéticas tomadas hace años, cuando la tecnología era más limitada. Gracias a la nueva aproximación basada en simulaciones y IA, esos estudios históricos pueden reinterpretarse para extraer información adicional sobre la evolución de distintas enfermedades neurológicas.
“Nuestra red, entrenada completamente con simulaciones, es capaz de obtener una precisión muy alta utilizando solo un 10% de los datos. Esto puede tener un impacto directo en la clínica, especialmente en hospitales con listas de espera muy largas”, subrayó Eggl.
Si bien todavía se requiere avanzar en estudios clínicos y validación en distintos entornos sanitarios, el desarrollo posiciona a la inteligencia artificial como una aliada central para modernizar el diagnóstico por imágenes y mejorar el acceso a resonancias cerebrales de alta complejidad.
