Un consorcio formado por seis entidades investigadoras, incluida la Universitat de València (UV), ha desarrollado un innovador método para mejorar las exploraciones de resonancia magnética (RM) del cerebro. Este avance permitirá realizar estas pruebas de manera más sencilla, rápida y con mayor calidad, facilitando el diagnóstico de enfermedades neuronales. Así lo comunicó la institución académica.
Publicado en la revista Imaging Neuroscience, este enfoque destaca por su capacidad para identificar lesiones relacionadas con enfermedades como el Alzheimer, la esclerosis múltiple o los tumores cerebrales. El método se basa en una red neuronal profunda 3D que genera imágenes T2, que son muy sensibles a la presencia de agua y permiten detectar edemas, inflamaciones o isquemias, a partir de imágenes T1. Estas últimas proporcionan una representación anatómica detallada del cerebro, diferenciando con claridad la sustancia blanca de la sustancia gris. De este modo, las imágenes T1 ofrecen la estructura cerebral, mientras que las T2 y FLAIR evidencian posibles alteraciones patológicas.
La coordinación de la investigación estuvo a cargo de José V. Manjón, del grupo Medical Image Analysis (MIA-LAB) del Instituto ITACA de la Universitat Politècnica de València (UPV). Participaron el Departamento de Psicobiología de la UV, el 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), además del Centro Nacional para la Investigación Científica de Francia y la Universidad de Burdeos.
El Departamento de Psicobiología de la UV colaboró estrechamente con los especialistas en informática médica para garantizar un correcto etiquetado de las imágenes, proceso esencial para el funcionamiento de los algoritmos. La investigadora Marien Gadea, experta en neuropsicología y neuroimagen, explicó que el método emplea técnicas de aprendizaje semisupervisado, en las que el etiquetado inicial de las imágenes es evaluado por expertos.
Este sistema combina información anatómica previa con técnicas de aprendizaje supervisado, lo que permite entrenar modelos robustos sin necesidad de grandes bases de datos completamente anotadas. Marien Gadea añadió que la participación de médicos, neurobiólogos, biólogos y anatomistas es crucial en la toma de decisiones sobre el etiquetado de las imágenes, debido a su conocimiento del sistema nervioso central.
La técnica desarrollada demuestra una notable capacidad de generalización en diferentes pacientes y escáneres, superando a métodos más avanzados en pruebas de segmentación cerebral, incluso en casos complejos con lesiones o variabilidad anatómica. Los resultados se obtienen en segundos, facilitando así su uso en entornos hospitalarios.
Sergio Morell, autor principal del estudio, destacó que en una exploración de RM, cada tipo de imagen aporta información diferente del cerebro. Sin embargo, obtener todas las imágenes necesarias puede alargar y encarecer el proceso, además de resultar incómodo para el paciente. El sistema desarrollado permite generar las imágenes faltantes a partir de las ya adquiridas, optimizando tiempo y recursos.
El próximo objetivo del equipo es extender la técnica a otras secuencias como FLAIR, que mejora la visibilidad de ciertas lesiones cerebrales. Este trabajo ha sido financiado por el Ministerio de Ciencia, Innovación y Universidades de España, así como por la Agencia Nacional de Investigación Francesa, y forma 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 Gadea en colaboración con Manjón.
