Un equipo de seis entidades investigadoras, incluida la Universitat de Valencia (UV), ha desarrollado un innovador método que facilita las exploraciones de resonancia magnética (RM) cerebral. Este procedimiento, que promete ser más sencillo, rápido y eficiente, incrementa la calidad del diagnóstico de diversas enfermedades neurológicas, según anunció la universidad en un comunicado.
El estudio fue publicado en la revista “Imaging Neuroscience” y permite identificar con gran precisión condiciones como el Alzheimer, la esclerosis múltiple y los tumores cerebrales. El nuevo método se apoya en una red neuronal profunda 3D que transforma imágenes T1, utilizadas para obtener representaciones anatómicas detalladas del cerebro, en imágenes T2. Estas últimas son altamente sensibles a la presencia de agua, lo que facilita la detección de edemas, inflamaciones o isquemias. De esta forma, la conjunción de imágenes T1, T2 y FLAIR posibilita una identificación más clara de las alteraciones patológicas.
La investigación fue coordinada por José V. Manjón del grupo Medical Image Analysis (MIA-LAB) del Instituto ITACA de la Universitat Politècnica de Valencia (UPV). Participaron también el Departamento de Psicobiología de la UV, el Departamento de Matemática Aplicada de la UPV, el Hospital Universitario y Politécnico La Fe, la Fundación para el Fomento de la Investigación Sanitaria y Biomédica de la Comunidad Valenciana (FISABIO-CIPF), el Centro Nacional para la Investigación Científica de Francia y la Universidad de Burdeos.
El Departamento de Psicobiología de la UV colaboró estrechamente con expertos en informática médica para asegurar un etiquetado preciso de las imágenes, trabajo crucial para el algoritmo. Marien Gadea, especialista en neuropsicología y neuroimagen de dicho departamento, explicó que el enfoque utiliza técnicas de aprendizaje semisupervisado, donde el etiquetado inicial es evaluado por expertos.
El sistema, que combina información anatómica previa y emplea aprendizaje supervisado, se desarrolla con un número limitado de imágenes médicas anotadas y un gran conjunto de imágenes sin etiquetar, optimizando así el entrenamiento del modelo sin requerir bases de datos completamente anotadas. Expertos de distintas áreas médicas participan en el proceso de etiquetado de las imágenes, contribuyendo a resolver dudas del ámbito anatómico y clínico.
Este método mejora la capacidad de generalización del modelo, mostrando un rendimiento superior incluso en cerebros con lesiones o variabilidad anatómica. Proporciona resultados en cuestión de segundos, lo que facilita su aplicación en entornos hospitalarios. Sergio Morell, autor principal del estudio, explicó que este sistema permite generar imágenes faltantes a partir de las ya adquiridas, optimizando tiempos y recursos.
El próximo desafío para el equipo es ampliar esta técnica a otras secuencias, como FLAIR, que mejora la visibilidad de ciertas lesiones al eliminar la señal del líquido cefalorraquídeo.
La investigación ha sido financiada por el Ministerio de Ciencia, Innovación y Universidades de España y la Agencia Nacional de Investigación francesa, como parte del proyecto “Desarrollo de un software de análisis de imagen de RM cerebral multimodal de ultra-alta resolución para su aplicación a entornos clínicos”, codirigido por Marien Gadea en colaboración con José V. Manjón.
