Cómo la IA está acelerando los escáneres de resonancias magnéticas

Imagina que estás en el hospital, con dolor y ansiedad por el diagnóstico que te puedan dar. Tu médico solicita una resonancia magnética, lo que significa esperar hasta que haya un hueco disponible para tumbarte dentro del estrecho tubo del escáner y estar perfectamente quieto durante casi una hora. A medida que la máquina de resonancia magnética recoge los datos, sólo te acompaña el golpeteo intermitente de la corriente eléctrica en las bobinas magnéticas del escáner. Si te mueves durante el escaneo, la imagen podría no ser lo suficientemente clara como para ser útil, lo que podría llevarte a tener que pedir una nueva cita y empezar todo el proceso de nuevo.

Las resonancias magnéticas suelen ser la mejor herramienta para diagnosticar problemas en los órganos, músculos y otros tejidos blandos. Pero, incluso con los recientes avances, el escáner tarda mucho tiempo en reunir los datos necesarios. El proceso es incómodo para cualquiera, y puede ser hasta inviable para los más pequeños o los enfermos graves.

El tiempo que se tarda en completar una resonancia magnética no sólo hace que la experiencia del paciente sea más agotadora, sino que también limita la cantidad de personas que pueden ser escaneadas en un día determinado. Incluso algunos tipos de tejido están en constante movimiento mientras se realiza la exploración, por lo que una imagen que tarda mucho tiempo en generarse puede en ocasiones resultar demasiado borrosa para ser útil. Además, cuando los médicos necesitan información rápidamente, a menudo deben recurrir a otra tecnología en lugar de esperar a que el escáner de resonancia magnética termine. Alternativas como los rayos X y las tomografías computarizadas son mucho más rápidas, pero a diferencia de las resonancias magnéticas, exponen el cuerpo a la radiación ionizante. Incluso, con algunos tipos de tejido, las resonancias magnéticas pueden revelar más detalles que estas alternativas.

Los investigadores de Facebook AI se han unido a médicos y expertos en imágenes médicas del NYU Langone Health para resolver este problema y avanzar en la investigación con inteligencia artificial. Estamos usando la IA para crear imágenes completas a partir de muchos menos datos en bruto. Dado que la recolección de esos datos es lo que hace que las resonancias magnéticas sean tan lentas, este proyecto tiene el potencial de acelerar el proceso de escaneo significativamente. Así que un día, en un futuro no muy lejano, solo hará falta permanecer unos minutos en el tubo del escáner para generar una imagen totalmente nítida.

Después de dos años de trabajo en la iniciativa fastMRI, Facebook AI y NYU Langone han alcanzado un importante hito. Un nuevo estudio clínico, que se publicará en el American Journal of Roentgenology, muestra por primera vez que las imágenes de fastMRI son intercambiables con las de las resonancias magnéticas regulares. El estudio se centró específicamente en las exploraciones de rodilla, y ahora estamos trabajando para ampliar los resultados a otras partes del cuerpo.

“Este es un paso importante hacia la aceptación clínica y la utilización de las resonancias magnéticas aceleradas”, asegura el Dr. Michael P. Recht, profesor de Louis Marx y presidente de Radiología de NYU Langone Health.

Ondas de radio, imanes y matemáticas
Para entender cómo funcionan las resonancias fastMRI, es útil conocer primero cómo funcionan las resonancias magnéticas tradicionales.

Para crear la imagen que revisa el clínico o radiólogo, las máquinas de resonancia magnética utilizan campos magnéticos que interactúan con átomos de hidrógeno en los tejidos blandos y los órganos vitales del cuerpo. Estos átomos luego emiten señales que actúan como balizas que indican el lugar en el cuerpo en el que se sitúan los átomos. El escáner recoge las señales en forma de una secuencia de mediciones individuales de frecuencia 2D, también conocido como datos del espacio k.

Una vez que todos los datos se han recopilado, el sistema aplica una fórmula matemática compleja -una transformación de Fourier inversa- a los datos del espacio k para crear imágenes detalladas de resonancia magnética de rodilla, espalda, cerebro, o cualquier otra zona del cuerpo. Sin un conjunto completo de datos, las matemáticas no pueden señalar exactamente de dónde procede cada señal.

La IA se une a las resonancias magnéticas
El equipo de fastMRI utilizó una forma completamente diferente de crear una imagen, una que requiere mucho menos datos en bruto. Los investigadores construyeron una red neuronal y la entrenaron usando el conjunto de datos de código abierto más grande del mundo de resonancias magnéticas de rodilla, que fue creado y compartido por NYU Langone Health como parte de la iniciativa fastMRI. (Todos los datos utilizados en el proyecto, incluyendo los escaneos utilizados para este estudio, pertenecen al conjunto de datos de código abierto que NYU Langone creó en 2018. Antes de que los datos fueran de código abierto, NYU Langone se aseguró de que todos los escaneos fueran anonimizados, y que ninguna información de pacientes estuviera disponible para los revisores o investigadores que trabajan en el proyecto fastMRI).

El equipo de investigación de fastMRI eliminó aproximadamente tres cuartas partes de los datos en bruto en cada escaneo y luego introdujo la información restante en el modelo de IA. El modelo aprendió así a generar imágenes completas a partir de datos reducidos. Además, las imágenes creadas por el modelo de IA no solo se parecían a las resonancias magnéticas genéricas, sino que las imágenes generadas por IA coincidían con la imagen creada por el proceso estándar de resonancia magnética más lenta. Imagina coger sólo 250 piezas de un puzzle de 1.000 piezas y luego completar toda la imagen de una manera que no sólo parezca plausible, sino que también coincida exactamente con el rompecabezas completo que se muestra en la caja. Esa es una estimación aproximada de lo que el equipo de fastMRI fue capaz de hacer con su modelo.

La aproximación de fastMRI es diferente a cualquier otro intento de aplicar IA en la medicina. A menudo, estos algoritmos suelen automatizar la revisión de imágenes médicas para determinar problemas potenciales, de la misma manera que lo haría un médico. En cambio, fastMRI no intenta realizar el trabajo de los expertos médicos, sino que crea imágenes a partir de información limitada. Radiólogos y clínicos pueden utilizar las imágenes fastMRI de la misma manera que las normales. La única diferencia es que el paciente no tiene que permanecer en el tubo de escaneo durante un tiempo tan prolongado como antes.

Los radiólogos ponen a prueba fastMRI
Los investigadores detrás de fastMRI tuvieron que asegurarse de que su modelo no sacrificaba la precisión por la velocidad. Alguna pérdida de detalle pasado por alto o algún mal modelado en una imagen podría significar la diferencia entre encontrar un ligamento roto o un posible tumor, y dar a los pacientes un informe incorrecto o poco claro.

El estudio clínico que se publicará en el American Journal of Roentgenology demuestra que los modelos de IA de fastMRI crean imágenes tan exactas, útiles y fiables como las resonancias magnéticas estándar. También muestra que fastMRI puede generar imágenes de resonancias magnéticas “intercambiables desde el punto de vista del diagnóstico” de lesiones de rodilla, al mismo tiempo que utiliza alrededor de un 75 por ciento menos de datos en bruto de la máquina de escaneo. De hecho, los expertos radiólogos que participaron en el estudio no pudieron distinguir las imágenes aceleradas por IA de las convencionales.

Avanzando hacia resonancias magnéticas más rápidas para todo aquel que lo necesite
El estudio clínico que presentamos hoy es un paso adelante muy importante, pero hay muchos más avances por llegar. Próximamente, los investigadores de Facebook AI y NYU Langone quieren demostrar que la resonancia magnética rápida funciona igual de bien con otros órganos vitales, como el cerebro. FastMRI también ha publicado sus datos, sus modelos y su código para que otros investigadores puedan construir sobre su trabajo y contribuir con nuevas ideas. El equipo de fastMRI espera que este enfoque abierto acelere el progreso y conduzca a nuevas formas de usar la IA para acelerar las exploraciones de resonancia magnética. Además, como hemos compartido nuestros modelos en abierto, los fabricantes de aparatos de resonancia magnética son libres de probar fastMRI con sus máquinas ahora mismo, y ofrecer cuanto antes sus ventajas a los pacientes.

Todavía queda trabajo por hacer en fastMRI, pero un día no muy lejano, las resonancias magnéticas aceleradas con IA podrán ayudar a millones de personas en todo el mundo.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google photo

Estás comentando usando tu cuenta de Google. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios .