Dos investigadores del Instituto de Neurociencias, centro mixto de la Universidad Miguel Hernández (UMH) y el Consejo Superior de Investigaciones Científicas (CSIC), han desarrollado una estrategia basada en inteligencia artificial y simulaciones computacionales que permite obtener información detallada del cerebro mediante resonancias magnéticas realizadas con una cantidad mucho menor de datos.

El trabajo, publicado en la revista científica Communications Medicine, plantea un método capaz de reducir hasta un 90% el tiempo necesario en determinadas resonancias avanzadas manteniendo elevados niveles de precisión, lo que podría favorecer una neuroimagen más eficiente y accesible en el ámbito clínico.

La investigación propone un cambio de enfoque respecto a otras aplicaciones de inteligencia artificial en neuroimagen. Frente al entrenamiento tradicional con datos clínicos reales, el equipo ha empleado simulaciones basadas en la física del proceso de difusión del agua en el tejido cerebral para generar los datos con los que entrenar redes neuronales.

Simulaciones para entrenar la inteligencia artificial

El sistema desarrollado ajusta parámetros que funcionan como biomarcadores del estado del tejido cerebral utilizando un número muy reducido de imágenes de resonancia magnética.

Silvia De Santis, investigadora que lidera el laboratorio Biomarcadores de Imaging Traslacional del campus de Sant Joan d’Alacant de la UMH, destaca que esta reducción del tiempo de adquisición puede tener importantes repercusiones clínicas.

“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 la investigadora.

Por su parte, Maximilian Eggl, responsable de la línea de investigación sobre biomarcadores de estructura y función cerebral inspirados en inteligencia artificial, subraya que este modelo también evita limitaciones habituales de los estudios basados en pacientes reales.

“El uso de simulaciones nos permite generar tantos datos como necesitemos, sin depender de la disponibilidad de pacientes y evitando problemas de privacidad”, señala.

Menos tiempo de escaneo y más capacidad diagnóstica

La metodología se basa en técnicas avanzadas de resonancia magnética ponderada por difusión (diffusion-weighted MRI), que permiten estudiar de forma no invasiva el movimiento del agua en el tejido cerebral y extraer información sobre su microestructura.

A partir de esas señales, la inteligencia artificial reconstruye detalles del tejido cerebral con una elevada eficiencia.

Uno de los resultados más relevantes del estudio es la drástica reducción del número de mediciones necesarias para obtener resultados fiables.

“Hemos visto que nuestra red, entrenada completamente con simulaciones, es capaz de obtener una muy alta precisión utilizando solo un 10% de los datos”, afirma Eggl, quien considera que esta tecnología puede tener un impacto directo en hospitales con listas de espera prolongadas.

Los investigadores estiman que el procedimiento podría reducir notablemente los tiempos de exploración.

“Imagínate pasar de 40 minutos a unos 8 aproximadamente para obtener la misma información”, apuntan De Santis y Eggl, quienes consideran que ello permitiría atender a más pacientes y optimizar el funcionamiento del sistema sanitario.

Aplicaciones en alzhéimer y enfermedades neurodegenerativas

El nuevo enfoque abre también posibilidades para el estudio y diagnóstico precoz de enfermedades neurodegenerativas, entre ellas el alzhéimer, cuya fase preclínica puede prolongarse durante décadas sin síntomas evidentes.

Según explica Silvia De Santis, muchas patologías degenerativas siguen diagnosticándose con herramientas desarrolladas hace más de treinta años.

“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”, señala la investigadora.

Además, el sistema permitiría reanalisar resonancias realizadas hace décadas, reinterpretando imágenes antiguas mediante esta nueva aproximación basada en simulaciones y obteniendo información hasta ahora inaccesible sobre enfermedades neurológicas.

Financiación y colaboración científica

El estudio ha contado con financiación de la Fundación “la Caixa”, la Agencia Estatal de Investigación, el programa Severo Ochoa para Centros de Excelencia, la ayuda CIDEGENT 2021 de la Generalitat Valenciana y el Pasqual Maragall Researchers Programme de la Fundación Pasqual Maragall.