Imágenes por resonancia magnética mejoradas por IA favorecen el diagnóstico de trastornos cerebrales y enfermedades neurodegenerativas.
Un nuevo estudio llevado a cabo por investigadores de Reino Unido, muestra un modelo de visión por computadora capaz de mejorar la calidad de imágenes por resonancia magnética. Científicos británicos, publicaron el estudio “Modelos de aprendizaje profundo para clasificar los exámenes de resonancia magnética de cabeza”. El estudio explica que la problemática de los retrasos en informes radiológicos puede derivar en peores resultados para los pacientes y altos costos de atención médica. Por ello desarrollaron un modelo de aprendizaje profundo para la detección de anomalías clínicamente relevantes en exploraciones de resonancia magnética de cabeza. Estos modelos fueron entrenados a través de un clasificador de informes de neurorradiología, y generaron un conjunto de datos de casi 70 mil exámenes de dos redes de hospitales de Reino Unido. El modelo demostró una clasificación rápida precisa e interpretable. El modelo fue puesto a prueba a través de un estudio de simulación, en el que mostró que el modelo reduciría considerablemente el tiempo de notificación de exámenes en ambas redes de hospitales, demostrando viabilidad para su uso clínico. “Demostramos una clasificación precisa, interpretable, robusta y generalizable en un conjunto de escaneos reservados etiquetados por un equipo de neuro radiólogos, y hemos demostrado que el modelo reduciría el tiempo para informar exámenes anormales en ambas redes hospitalarias, lo que demuestra la viabilidad como triaje automatizado. Herramienta”, concluyen los autores en el estudio. Puedes consultar el estudio completo en este enlace: https://www.sciencedirect.com/science/article/pii/S1361841522000433?via%3Dihub BIBLIOGRAFÍA SCIENCE DIRECT https://www.sciencedirect.com/science/article/pii/S1361841522000433?via%3Dihub HEALTH IT ANALYTICS https://healthitanalytics.com/news/computer-vision-model-improved-quality-of-head-mris
Un nuevo artículo de Scientific Reports mostró detalles sobre tecnología interactiva basada en realidad virtual (VR) para pacientes que se sometan a resonancia magnética. Investigadores del King’s College London desarrollaron esta tecnología de VR, con el propósito de ayudar a pacientes que tienen dificultades con realizarse análisis a través de resonancia magnética, especialmente niños o personas que sufren de problemas cognitivos o condiciones como claustrofobia. A través de la Escuela de Ingeniería Biomédica y Ciencias de la Imagen de la institución mencionada, el investigador principal, Dr. Kun Qian, explicó que buscaron diferentes formas para permitir que niños y personas vulnerables no tuvieran mayores problemas al someterse a una resonancia magnética. La experiencia de entrar a un túnel, en un espacio reducido, con ruidos y además permanecer quieto puede resultar complicada. Algunos pacientes, en especial niños requieren de medicamentos o sedantes para poder relajarse y lograr un escaneo exitoso. Sin embargo, estas medidas tienen riesgos y además son costosas. “Nuestro interés en la realidad virtual surgió específicamente de la simple observación de que, cuando alguien usa y luego se sumerge en un entorno de realidad virtual, no es consciente de su entorno. Pensamos que, si podíamos hacer que un sistema fuera compatible con el entorno de la resonancia magnética, podría ser una forma alternativa muy poderosa de escanear con éxito estas poblaciones desafiantes”, explicó el especialista. De esta forma, los investigadores desarrollaron un entorno de VR a través de un casco especial que puede utilizarse dentro del escáner de resonancia magnética. De esta manera el paciente no puede ver el entorno dentro de la cámara y es expuesto a contenido inmersivo y continuo para que la experiencia sea más sencilla. El propósito del este sistema es que el paciente no perciba la sensación de estar dentro del escáner y que la resonancia magnética se realice de forma correcta. “Desarrollar el contenido correcto es crucial, ya que para que el sistema sea efectivo, debe mantener la atención del sujeto / paciente y su sentido de inmersión durante el mayor tiempo posible. Dado que es probable que este contenido sea muy diferente según la edad y las capacidades cognitivas. Hacer esto correctamente y adaptarlo a las diferentes poblaciones clínicas y de estudio es el siguiente paso clave”, explicó Qian. Este sistema abre posibilidades para que poblaciones vulnerables puedan tener acceso a una resonancia magnética sin necesidad de tomar fármacos para dormir. El estudio completo lo puedes encontrar en Scientific Reports de Nature: https://www.nature.com/articles/s41598-021-95634-y BIBLIOGRAFÍA HEALTH EUROPA https://www.healtheuropa.eu/interactive-vr-system-could-improve-mri-experience-for-anxious-patients/110409/ SCIENCE DAILY https://www.sciencedaily.com/releases/2021/08/210811091546.htm
Investigadores del MIT desarrollaron un modelo de aprendizaje profundo que puede corregir resonancias magnéticas cerebrales dañadas por movimiento voluntarios o involuntarios de los pacientes. Investigadores del MIT desarrollaron un modelo de aprendizaje profundo que podría solucionar uno de los problemas más comunes en las imágenes por resonancia magnética (IRM), que son los daños por artefactos de movimiento, que pueden llevar a malos diagnósticos. Los artefactos de movimiento suceden cuando un paciente realiza un movimiento voluntario o involuntario durante el proceso de escaneo en una resonancia magnética. Los artefactos provocan borrosidad, rayas o sobras en las imágenes obtenidas por resonancia o por tomografías. Las sesiones de IRM pueden demorar desde unos minutos hasta una hora, dependiendo de las imágenes buscadas, sin embargo, durante los escaneos, incluso los movimientos más ligeros pueden tener efectos negativos en los resultados de la imagen. Los investigadores del MIT presentaron un estudio que aborda el problema de los artefactos de movimiento IRM, que como se mencionó anteriormente pueden llevar a diagnósticos erróneos o malas caracterizaciones en estudios de imágenes. El estudio utiliza una red profunda basada en aprendizaje profundo para reducir la búsqueda conjunta de parámetros de imagen y movimiento a una búsqueda solo de parámetros de movimiento rígido. Este modelo elabora una reconstrucción en función de dos entradas: datos de espacio k (información no basada en imágenes) corruptos y parámetros de movimiento. La red se entrena con datos de espacio k simulados y corrompidos por el movimiento generados a partir de parámetros de movimiento conocidos. Este modelo logra estimar los parámetros de movimiento desconocidos al minimizar una pérdida de consistencia de datos entre los parámetros de movimiento, la reconstrucción de la imagen basada en la red con esos parámetros y las mediciones adquiridas. Es decir, este modelo de inteligencia artificial (IA), que fue entrenado con una gran cantidad de imágenes simuladas que tenían problemas de movimiento. Posteriormente cuando el modelo evaluó y analizó las imágenes reales pudo corregir los errores de movimiento automáticamente. El método utilizado construye computacionalmente las imágenes sin movimiento a partir de datos dañados por el movimiento siguiendo el mismo procedimiento en el escaneo. Esto facilitaría la realización de IRM a pacientes con trastornos neurológicos que causan movimientos involuntarios como Alzheimer o Parkinson. Además, reduciría costos en los diagnósticos. Consulta la investigación completa en el siguiente enlace: https://arxiv.org/pdf/2301.10365.pdf BIBLIOGRAFÍA https://healthitanalytics.com/news/deep-learning-method-helps-correct-motion-corrupted-brain-mris ARXIV https://arxiv.org/abs/2301.10365 MIT https://news.mit.edu/2023/mit-researchers-combine-deep-learning-physics-fix-motion-corrupted-MRI-scans-0817
La inteligencia artificial en aplicada en imágenes de resonancia magnética permite diagnósticos más rápidos y precisos, y además facilita la formación de los profesionales de la salud. Las resonancias magnéticas (MRI, en inglés) son una tecnología establecida y consolidada en el campo de la atención médica desde hace más de cuatro décadas. En la actualidad, el uso de inteligencia artificial (IA) para mejorar la calidad de las imágenes y agilizar tareas repetitivas relacionadas con el proceso de MRI es uno de los más recientes avances en este campo. La implementación de IA aumenta la eficacia y la eficiencia para los radiólogos y el equipo técnico que opera estas herramientas, esto conduce a diagnósticos más rápidos, incluida una detección más temprana de enfermedades como cáncer y una intervención más oportuna. El Dr. Johnson Polakkal Joseph un especialista clínico en radiología con más de 15 años de experiencia en el campo de las MRI, explica la relevancia actual de la IA aplicada en este campo y cómo puede continuar evolucionando, ya que aún se encuentra en una etapa temprana. En este sentido, la digitalización avanzada de la tecnología y la introducción de la IA están haciendo de la MRI una herramienta diagnóstica aún más confiable. Además, en muchos casos, la MRI es el último recurso que brinda el mayor nivel de detalle antes de un procedimiento quirúrgico, especialmente después de una radiografía y una tomografía computarizada (TC). Por ejemplo, las MRI cardíacas pueden mostrar las cámaras cardíacas y los tractos de salida desde varios ángulos, lo que proporciona detalles no vistos en otros tipos de escaneos o angiogramas, todo en un solo procedimiento de diagnóstico. Según explica el Dr. Polakkal, otro de los beneficios de la IA es que permite programar una MRI cardíaca planificada por un técnico experto en MRI, sin necesidad de la presencia de un especialista cardíaco, lo que garantiza la optimización del escaneo. Asimismo, en el informe radiológico, la IA puede procesar imágenes y detectar nódulos o lesiones cancerosas minúsculas y en etapas tempranas, o cuantificar escaneos cerebrales para detectar enfermedades como demencia y Alzheimer, en niveles que podrían pasar desapercibidos incluso para los especialistas más experimentados. Por otra parte, la IA permite escaneos más cortos de imágenes 3D y la carga de imágenes de MRI en plataformas de software de realidad virtual (RV), acortando la curva de aprendizaje para estos procedimientos. Los escaneos del cerebro visualizados con VR proporcionan al cirujano información adicional, para mejorar su toma de decisiones desarrollar un plan de acción más efectivo antes de comenzar un procedimiento invasivo. La IA también acorta los tiempos de escaneo al convertir escaneos de MRI más rápidos y menos detallados en imágenes de mayor resolución, minimizando los problemas causados por el movimiento del paciente y reduciendo la incomodidad de estar en un espacio cerrado. La mejora en la tecnología ha permitido sistemas de MRI más extensos y de mejor calidad. Al incorporar el uso de IA y un mejor software, los escaneos mejorar su resolución y son más cortos. Diversos estudios realizados por prestigiosas instituciones como la Universidad de Stanford, entre otras han demostrado que el uso de la IA para la reconstrucción de imágenes de MRI puede resultar en procedimientos de imagen mucho más rápidos, hasta la mitad o un cuarto del tiempo requerido anteriormente, sin perder calidad en las imágenes. Además, las imágenes generadas con la ayuda de la IA han sido calificadas como de mejor calidad en general que las generadas de manera tradicional. Incluso en pruebas ciegas, los radiólogos no pudieron distinguir entre imágenes generadas por la IA y las tradicionales, y los resultados fueron precisos de ambas formas. BIBLIOGRAFÍA IT ONLINE https://www.itnonline.com/article/mri-meets-ai
Estudio muestra que nueva tecnología de imágenes por resonancia magnética y machine learning ayuda a diferenciar tipos de Parkinsonismo.
Nuevo modelo de deep learning e IA predice recaída de gliomas pediátricos con mayor precisión a partir de resonancias magnéticas.
Estudio muestra que software basado en IA mejora la predicción de resultados en terapia focalizada para cáncer de próstata.
Investigadores predicen el desarrollo de TEPT con IA y machine learning a través de conectividad cerebral e imágenes cerebrales.
Crean herramienta de IA capaz de crear mapas 3D del cerebro en alta resolución; sería clave para comprender enfermedades neurodegenerativas.
