En el post de hoy os vamos a hablar sobre el estudio realizado por un equipo de investigadores del MIT (Massachusetts Institute of Technology) centrado en IA y física aplicadas en las Resonancias Magnéticas con el fin de obtener imágenes más precisas.
Las resonancias magnéticas son una técnica de obtención de imágenes médicas utilizadas para obtener imágenes detalladas de los órganos y los tejidos del cuerpo. Esta técnica utiliza un campo magnético y ondas de radio que posteriormente son procesadas por ordenadores y transformadas en imágenes. Esta técnica es utilizada en medicina para observar posibles modificaciones en los tejidos y para detectar cáncer y/u otras patologías.
Fuente de la imagen: MIT NEWS
El desafío surge cuando se desea obtener la imagen de una determinada parte del cuerpo mediante esta metodología ya que, es necesario que el paciente no se mueva lo más mínimo y, en ocasiones, esto puede llegar a resultar muy complicado, principalmente si se trata de una parte del cuerpo muy específica en la que se necesita mucha precisión para obtener los resultados.
El equipo, liderado por Nalini Singh, estudiante de doctorado afiliada a la Abdul Latif Jameel Clinic for Machine Learning in Health (Jameel Clinic) en el Programa de Ciencias y Tecnología de la Salud de Harvard-MIT, ha desarrollado un modelo de aprendizaje profundo capaz de corregir el movimiento en las RM cerebrales.
Según Singh, «El movimiento es un problema común en la RM, ya que es una modalidad de imagen bastante lenta». Incluso las sesiones de escaneo más cortas pueden ser afectadas por pequeños movimientos, generando artefactos que distorsionan toda la imagen.
Este modelo de aprendizaje desarrollado por el equipo de Nalini Singh destaca por construir imágenes libres de movimiento a partir de datos afectados por el movimiento, sin alterar el procedimiento de escaneo original.
Por otro lado, la corrección del movimiento gracias a la IA y física aplicadas en las resonancias magnéticas, no solo mejora la precisión de los diagnósticos, sino que también tiene implicaciones económicas significativas. Un estudio del Departamento de Radiología de la Universidad de Washington estimó que el movimiento afecta al 15% de las RM cerebrales, generando aproximadamente 115.000$ en gastos hospitalarios por escáner anualmente.
El objetivo es que con el tiempo se logre aplicar esta nueva tecnología en otras partes del cuerpo. Además, no solo tiene el potencial de transformar la corrección de movimiento en la resonancia magnética cerebral, sino que también podría extenderse a otras áreas de la medicina, enfrentando desafíos similares.
La combinación de IA y Física aplicadas en las resonancias magnéticas tiene dos aspectos positivos para el sector salud. Por un lado, representa una mejora en la corrección de movimiento en la RM, sino que también permite que sea más sencillo el camino hacia futuras aplicaciones en otras áreas de la medicina. La sinergia entre disciplinas demuestra cómo la convergencia de la tecnología y la ciencia puede impulsar avances significativos en la salud.
Estamos ante un punto de inflexión que implica que se mejore la atención al paciente mientras que se reducen los costos gracias a que aumenta el porcentaje de aciertos.
Si te ha gustado este post, no te pierdas «La IA de DeepMind ha encontrado más materiales en un año que los científicos en siglos»
¡Nos vemos pronto!