Un consorcio de seis entidades investigadoras, incluyendo la Universitat de Valencia (UV), ha desarrollado un innovador método que mejora la realización de exploraciones radiológicas de resonancia magnética (RM) cerebral. Este avance facilita el diagnóstico de enfermedades neuronales al permitir un procedimiento más sencillo, rápido y de mayor calidad, según ha informado la universidad en un comunicado.
La investigación, publicada en la revista Imaging Neuroscience, contribuye a destacar con claridad las lesiones relacionadas con enfermedades como el Alzheimer, la esclerosis múltiple y los tumores cerebrales. El método se basa en una red neuronal profunda 3D que genera imágenes T2, conocidas por su sensibilidad al agua, crucial para detectar edemas, inflamaciones o isquemias, a partir de imágenes T1, que proporcionan una representación anatómica detallada del cerebro. Las imágenes T1 ofrecen la estructura anatómica, mientras que las T2 y FLAIR resaltan las posibles alteraciones patológicas.
La coordinación del estudio estuvo a cargo de José V. Manjón, del grupo Medical Image Analysis (MIA-LAB) del Instituto ITACA de la Universitat Politècnica de Valencia (UPV). También 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), el Centro Nacional para la Investigación Científica de Francia y la Universidad de Burdeos.
El Departamento de Psicobiología de la UV colaboró estrechamente con especialistas en informática médica para aportar una comprensión del sustrato neuropatológico que garantiza un correcto etiquetado de las imágenes trabajadas por los algoritmos. Marien Gadea, investigadora especializada en neuropsicología y neuroimagen, explicó que “este método utiliza técnicas de aprendizaje semisupervisado, en las que el etiquetado de las imágenes es valorado por expertos”.
El sistema emplea información anatómica previa y técnicas de aprendizaje supervisado, combinando un número reducido de imágenes médicas etiquetadas con otras sin etiquetar. Esto permite entrenar modelos efectivos sin la necesidad de una base de datos completamente anotada. Marien Gadea destacó la importancia del personal médico, neurobiólogo, biólogo y anatomista en la toma de decisiones sobre el etiquetado, permitiendo aclarar dudas en el ámbito anatómico y clínico real.
Este método optimiza el conocimiento anatómico, las estrategias de entrenamiento y el enfoque semisupervisado para mejorar su aplicación en diferentes pacientes y escáneres. Ha demostrado superar las técnicas más avanzadas en segmentación cerebral, incluso en casos complejos. Además, genera resultados en segundos, facilitando su uso en entornos hospitalarios.
Sergio Morell, autor principal del estudio, afirmó que “en una exploración de RM, cada tipo de imagen aporta información distinta del cerebro”. Obtenerlas todas alarga la prueba y encarece el proceso, pero este sistema permite generar las imágenes faltantes a partir de las existentes, reduciendo tiempo y costes.
El próximo paso del equipo es aplicar la técnica a otras secuencias como FLAIR, que elimina la señal del líquido cefalorraquídeo y resalta lesiones asociadas a diversas enfermedades. Este estudio ha sido financiado por el Ministerio de Ciencia, Innovación y Universidades de España, junto con la Agencia Nacional de Investigación francesa, dentro del proyecto “Desarrollo de un software de análisis de imagen de RM cerebral multimodal de ultra-alta resolución para su aplicación a entornos clínicos”, que Marien Gadea codirige con José V. Manjón.
