Un innovador método de inteligencia artificial ha sido desarrollado para mejorar la exploración radiológica en enfermedades neurológicas, según un comunicado de la Universitat de Valencia. Esta nueva técnica, fruto de la colaboración de seis entidades investigadoras, facilita las resonancias magnéticas del cerebro, haciéndolas más sencillas, rápidas y de mayor calidad. El método promete un diagnóstico más preciso de patologías neuronales, ya que resalta claramente lesiones vinculadas a enfermedades como el Alzheimer, la esclerosis múltiple y los tumores cerebrales.
Publicado en la revista *Imaging Neuroscience*, el procedimiento utiliza una red neuronal profunda 3D para generar imágenes T2 a partir de imágenes T1. Las imágenes T2 son altamente sensibles a la presencia de agua, lo que ayuda a detectar edemas, inflamaciones o isquemias, mientras que las imágenes T1 ofrecen una detallada representación anatómica del cerebro, diferenciando con claridad la sustancia blanca de la gris.
La investigación, liderada por José V. Manjón del grupo Medical Image Analysis (MIA-LAB) del Instituto ITACA de la Universitat Politècnica de Valencia (UPV), ha contado con la colaboración del Departamento de Psicobiología de la UV, el de Matemática Aplicada de la UPV, además del Hospital Universitario y Politécnico La Fe, la Fundación para el Fomento de la Investigación Sanitaria y Biomédica de la Comunidad Valenciana (FISABIO-CIPF), y el Centro Nacional para la Investigación Científica de Francia y la Universidad de Burdeos.
Marien Gadea, investigadora especializada en neuropsicología y neuroimagen del Departamento de Psicobiología, destaca el uso de técnicas de aprendizaje semisupervisado, donde las imágenes previas son etiquetadas por expertos y luego trabajadas por algoritmos. Este método combina información anatómica y técnicas de aprendizaje supervisado, utilizando un número reducido de imágenes médicas etiquetadas junto con muchas otras no etiquetadas, permitiendo entrenar modelos robustos sin la necesidad de bases de datos completamente anotadas.
El equipo médico, neurobiólogos, biólogos y anatomistas desempeñan un papel crucial en el proceso de etiquetado de las imágenes, lo que garantiza un análisis preciso del sistema nervioso central, subraya Gadea. La técnica promete una alta capacidad de generalización para diferentes pacientes y dispositivos de escáner, demostrando eficacia incluso en la segmentación cerebral en casos complejos.
Sergio Morell, autor principal del estudio, explica que en las exploraciones de RM cada tipo de imagen aporta información diferente sobre el cerebro, pero obtenerlas todas puede resultar costoso y prolongado. El nuevo sistema permite generar las imágenes faltantes a partir de las ya obtenidas, reduciendo así tanto los tiempos como los recursos necesarios.
El siguiente desafío del equipo es aplicar esta técnica a otras secuencias como FLAIR, que resalta con gran claridad lesiones típicas de enfermedades neurológicas. Este estudio ha sido financiado por el Ministerio de Ciencia, Innovación y Universidades de España y la Agencia Nacional de Investigación francesa, y forma parte de un proyecto más amplio sobre análisis de imágenes de RM cerebral multimodal de alta resolución, codirigido por Marien Gadea y José V. Manjón.
