Un equipo del Instituto de Neurociencias, dependiente del CSIC y la Universidad Miguel Hernández de Elche, desarrolló un método que utiliza inteligencia artificial y simulaciones computacionales para acortar el tiempo de adquisición de imágenes cerebrales, manteniendo alta precisión.
Investigadores en España lograron obtener información detallada del cerebro de forma más rápida a partir de resonancias magnéticas con menos datos de los habituales, mediante el uso de inteligencia artificial (IA) y simulaciones computacionales.
El método, publicado en la revista Communications Medicine, reduce hasta un 90% el tiempo necesario para ciertas resonancias avanzadas, manteniendo un alto nivel de precisión. Según el Instituto de Neurociencias (IN), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad Miguel Hernández de Elche (UMH), el paciente debe permanecer inmóvil dentro de un escáner entre 30 y 60 minutos en la actualidad.
El equipo utilizó un modelo basado en la física del proceso de difusión en el tejido cerebral para generar simulaciones que imitan las resonancias magnéticas de pacientes reales, en lugar de entrenar los modelos con datos reales. A partir de estos datos, se entrenaron sistemas computacionales inspirados en neuronas biológicas, que permiten ajustar parámetros del modelo para que actúen como biomarcadores del estado del tejido, utilizando un número reducido de imágenes.
“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”, afirmó la investigadora del CSIC Silvia De Santis, que lidera el laboratorio Biomarcadores de Imaging Traslacional en el IN. El investigador Maximilian Eggl agregó: “El uso de simulaciones nos permite generar tantos datos como necesitemos, sin depender de la disponibilidad de pacientes y evitando problemas de privacidad”.
La metodología se apoya en técnicas avanzadas de resonancia magnética (diffusion-weighted MRI) que estudian el movimiento del agua en el tejido cerebral para obtener información sobre su microestructura. “Hemos visto que nuestra red, entrenada completamente con simulaciones, es capaz de obtener una precisión muy alta utilizando solo un 10% de los datos”, señaló Eggl. “Esto puede tener un impacto directo en la clínica, especialmente en hospitales con listas de espera muy largas”.
En la práctica, el avance podría traducirse en una reducción del tiempo de escaneo de 40 minutos a aproximadamente 8 minutos para obtener la misma información, lo que permitiría aumentar el número de pacientes atendidos en el mismo tiempo.
El enfoque también abre posibilidades en el estudio de enfermedades neurodegenerativas como el alzhéimer, que presentan una fase preclínica prolongada de hasta dos décadas sin síntomas visibles. Además, el sistema permite reanalizar datos de resonancia magnética adquiridos hace décadas, que hasta ahora estaban limitados por las tecnologías disponibles.