El Instituto de Neurociencias UMH-CSIC ha desarrollado una nueva estrategia basada en inteligencia artificial y simulaciones computacionales que permite obtener información detallada del cerebro de forma más rápida a partir de resonancias magnéticas con menos datos de los habituales. El avance, liderado por investigadores del centro mixto de la Universidad Miguel Hernández de Elche y el Consejo Superior de Investigaciones Científicas, consigue reducir hasta un 90 % el tiempo necesario para determinadas resonancias avanzadas manteniendo una elevada precisión.
El trabajo, publicado en la revista científica Communications Medicine, plantea un cambio de enfoque en el uso de la inteligencia artificial aplicada a la neuroimagen. Frente a los modelos tradicionales, entrenados con datos reales de pacientes, el equipo ha utilizado simulaciones basadas en la física del proceso de difusión en el tejido cerebral para generar los datos con los que entrenar las redes neuronales.
La investigadora Silvia De Santis, responsable del laboratorio Biomarcadores de Imaging Traslacional ubicado en el campus de Sant Joan d’Alacant de la UMH, ha explicado que “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”.
El sistema también busca minimizar los sesgos asociados a los conjuntos de datos clínicos tradicionales. Según ha señalado el investigador Maximilian Eggl, el uso de simulaciones permite generar “tantos datos como necesitemos, sin depender de la disponibilidad de pacientes y evitando problemas de privacidad”.
Cómo funciona la nueva resonancia basada en IA
La metodología emplea técnicas avanzadas de resonancia magnética ponderada por difusión, una tecnología que permite estudiar de forma no invasiva el movimiento del agua en el tejido cerebral para obtener información sobre su microestructura. A partir de estas señales, la inteligencia artificial reconstruye detalles del tejido cerebral de forma eficiente y con menos mediciones.
Uno de los principales resultados del estudio es precisamente la drástica reducción de datos necesarios para realizar el análisis. “Hemos visto que nuestra red, entrenada completamente con simulaciones, es capaz de obtener una muy alta precisión utilizando solo un 10 % de los datos”, ha destacado Eggl, quien considera que esta tecnología podría tener “un impacto directo en la clínica, especialmente en hospitales con listas de espera muy largas”.
En términos prácticos, el avance podría reducir considerablemente el tiempo de escaneo. Los investigadores apuntan a que una resonancia que actualmente requiere unos 40 minutos podría realizarse en aproximadamente 8 minutos para obtener la misma información clínica. Según defienden, esto permitiría aumentar el número de pacientes atendidos y mejorar la eficiencia del sistema sanitario.
Posibles aplicaciones en enfermedades neurodegenerativas
El equipo investigador considera que esta aproximación puede abrir nuevas posibilidades para el estudio de enfermedades neurodegenerativas como el alzhéimer, que presentan fases preclínicas muy prolongadas y difíciles de detectar. De Santis ha explicado que muchas patologías degenerativas siguen diagnosticándose con técnicas desarrolladas hace décadas y que este enfoque podría aportar información más detallada para mejorar el diagnóstico precoz.
Además, el sistema permitiría reinterpretar resonancias magnéticas realizadas hace años con tecnologías antiguas para extraer nueva información relevante sobre enfermedades neurológicas gracias al modelo basado en simulaciones.
El estudio ha contado con financiación de la Fundación “la Caixa”, la Agencia Estatal de Investigación, el programa Severo Ochoa, la Generalitat Valenciana y la Fundación Pasqual Maragall, entre otras entidades.
