Un equipo del Instituto de Neurociencias de Alicante desarrolló un método basado en inteligencia artificial capaz de reducir de 40 a menos de 10 minutos ciertas resonancias magnéticas avanzadas, manteniendo un alto nivel de precisión y abriendo nuevas posibilidades para el diagnóstico temprano de enfermedades neurológicas como el alzhéimer.
Las resonancias magnéticas son una de las herramientas más utilizadas para detectar y monitorear enfermedades neurológicas, tumores, lesiones cerebrales y trastornos neurodegenerativos.
Sin embargo, algunos estudios avanzados pueden tardar entre 30 y 60 minutos, lo que no solo aumenta las listas de espera en hospitales, sino que también representa una dificultad para pacientes que deben permanecer inmóviles durante largos periodos dentro del escáner.
IA aplicada a la medicina
La inteligencia artificial continúa transformando el campo de la medicina. Ahora, un grupo de investigadores del Instituto de Neurociencias de Alicante, en España, desarrolló una nueva estrategia capaz de reducir hasta en un 90 % el tiempo necesario para realizar ciertas resonancias magnéticas cerebrales avanzadas.
El método, publicado en la revista científica Communications Medicine, utiliza inteligencia artificial y simulaciones computacionales para obtener información detallada del cerebro utilizando muchos menos datos de los habituales, sin comprometer la precisión de los resultados.
Actualmente, este tipo de resonancias avanzadas requieren que los pacientes permanezcan inmóviles dentro del escáner entre 30 y 60 minutos, mientras se capturan grandes cantidades de imágenes para analizar el tejido cerebral. Sin embargo, el nuevo sistema permitiría obtener la misma información en apenas ocho minutos.
“Nuestra red, entrenada completamente con simulaciones, es capaz de obtener una precisión muy alta utilizando solo un 10 % de los datos”, explicó el investigador Maximilian Eggl, coautor del estudio.
Según los investigadores, este enfoque no sólo acelera el proceso, sino que también ayuda a reducir problemas relacionados con la privacidad y los sesgos presentes en algunos conjuntos de datos médicos tradicionales.
“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”, señaló Silvia De Santis, investigadora del CSIC y coautora del trabajo.
A diferencia de otros sistemas de inteligencia artificial entrenados con miles de resonancias de pacientes reales, el equipo utilizó simulaciones basadas en la física del movimiento del agua en el tejido cerebral. A partir de estas señales, la inteligencia artificial puede reconstruir detalles complejos de la microestructura cerebral de forma eficiente.
Los científicos consideran que este avance podría tener un impacto importante en hospitales con largas listas de espera, ya que permitiría atender a más pacientes en menos tiempo y hacer más eficiente el sistema de salud.
Además, el nuevo enfoque podría abrir oportunidades para mejorar el diagnóstico temprano de enfermedades neurodegenerativas como el alzhéimer, cuya fase preclínica puede durar hasta dos décadas antes de que aparezcan síntomas visibles.
“El diagnóstico clínico de las patologías degenerativas sigue basándose en técnicas desarrolladas hace más de 30 años”, explicó De Santis. “Este nuevo enfoque permitiría obtener información más detallada y mejorar el diagnóstico de estas enfermedades”.
Otro de los aportes destacados del estudio es la posibilidad de reanalizar resonancias magnéticas realizadas hace décadas. Gracias a las simulaciones y a la inteligencia artificial, estos estudios antiguos podrían reinterpretarse para extraer nueva información sobre enfermedades neurológicas.
Más allá de acelerar una prueba médica, los investigadores consideran que este avance podría transformar la manera en que se realizan las resonancias magnéticas en hospitales y centros de salud.
Reducir el tiempo de escaneo permitiría atender a más pacientes, disminuir las listas de espera y facilitar diagnósticos más tempranos y precisos en enfermedades neurológicas, acercando herramientas avanzadas de neuroimagen a la práctica clínica cotidiana.
