La forma en que la IA está acelerando las imágenes por resonancia magnética

fastMRI es un proyecto de investigación para mejorar las resonancias magnéticas para millones de personas y mostrar nuevos avances en la investigación de inteligencia artificial

Imagina que estás en el hospital, con dolor y ansioso por saber cuál podría ser el diagnóstico. Tu médico solicita una resonancia magnética, lo que significa permanecer perfectamente quieto dentro de un estrecho tubo de escáner por un intervalo de hasta una hora. A medida que la máquina de resonancia magnética gradualmente recopila datos, solo escuchas el intermitente crujido y golpeteo de la corriente eléctrica en las bobinas magnéticas del escáner. Si te mueves durante el escaneo, es posible que la imagen no sea lo suficientemente clara y útil, lo que significaría reservar otra cita para nuevamente realizar el proceso. 

A menudo, las resonancias magnéticas son la mejor herramienta para diagnosticar problemas con órganos, músculos y otros tejidos blandos. Pero incluso con los avances recientes, puede tomar una cantidad importante de tiempo para que el escáner recopile los datos necesarios. Este proceso resulta difícil para cualquiera, e incluso puede ser imposible para los muy jóvenes o severamente enfermos.

El tiempo que lleva completar una resonancia magnética no solo hace que la experiencia del paciente sea agotadora, también limita la cantidad de escaneos que se pueden realizar en un día. Algunos tipos de tejido están en constante movimiento a medida que el escaneo toma lugar, por lo que una imagen que tarda mucho en generarse puede ser demasiado borrosa y poco funcional. Cuando los médicos necesitan información rápida, a menudo deben utilizar otra tecnología en lugar de esperar a que el escáner de resonancia magnética haga su trabajo. Las radiografías y tomografías computarizadas son mucho más rápidas, sin embargo, exponen al cuerpo a radiación ionizante. En el caso de algunos tipos de tejido, las resonancias magnéticas pueden revelar más detalles que las otras alternativas.

Los investigadores de Inteligencia Artificial (IA) en Facebook se han asociado con médicos y expertos en imágenes médicas del centro médico NYU Langone Health para resolver este problema y avanzar en la investigación de esta tecnología. Estamos usando la Inteligencia Artificial para crear imágenes completas a partir de una cantidad de datos sin procesar mucho menor. Dado que la recopilación de esos datos es lo que hace que las resonancias magnéticas sean tan lentas, esto tiene el potencial de acelerar significativamente el proceso de escaneo. Así que es posible que en un futuro no muy lejano, pases solo unos minutos en el tubo del escáner para generar una imagen nítida.

Después de dos años de trabajo en la iniciativa de fastMRI, Facebook AI y NYU Langone han alcanzado un hito importante. Un nuevo estudio clínico que se publicará en el American Journal of Roentgenology muestra por primera vez que las imágenes de resonancia magnética rápida son intercambiables con las de las resonancias magnéticas regulares. El estudio se centró específicamente en los escaneos de rodilla. Actualmente estamos trabajando para extender los resultados a otras partes del cuerpo.

“Este es un paso importante hacia la aceptación clínica y la utilización de resonancias magnéticas aceleradas por IA”, afirmó el Dr. Michael P. Recht, profesor Louis Marx y presidente del departamento de radiología en NYU Langone Health.

Ondas de radio, imanes y matemáticas

Para comprender el método del fastMRI, es conveniente revisar primero cómo funcionan las imágenes por resonancia magnética.

Para crear la imagen que revisa tu médico o radiólogo, la máquina de resonancia magnética utiliza campos magnéticos que interactúan con átomos de hidrógeno en los tejidos blandos del cuerpo y órganos vitales. Luego, estos átomos emiten señales electromagnéticas que actúan como balizas, que indican en qué parte del cuerpo se encuentran los átomos. Las señales son recopilados por el escáner como una secuencia de mediciones de frecuencia 2D individuales, conocido como datos del espacio k.

Una vez que se recopila toda la información, el sistema aplica una compleja fórmula matemática – una transformada de Fourier inversa – a esos datos sin procesar del espacio k para crear imágenes de resonancia magnética detalladas de la rodilla, la espalda, el cerebro u otra área del cuerpo. Sin un conjunto completo de puntos de datos, las matemáticas no pueden precisar exactamente de dónde viene cada señal.

La Inteligencia Artificial se encuentra con las resonancias electromagnéticas

El equipo de fastMRI utilizó una forma completamente diferente para crear una imagen, una que requiere muchos menos datos sin procesar. Los investigadores construyeron una red neuronal y la entrenaron utilizando el conjunto de datos de código abierto de resonancias magnéticas de rodilla más grande del mundo, que fue creado y compartido por el NYU Langone Health y como parte de la iniciativa fastMRI. (Toda la información utilizada en el proyecto, incluidos los escaneos utilizados para el estudio, son de código abierto y de un conjunto de datos que NYU Langone creó en 2018. Antes de abrir los datos, NYU Langone se aseguró de que todos los escaneos fueran desidentificados y que la información del paciente no estuviera disponible para los revisores o investigadores que trabajan en el proyecto de fastMRI).

El equipo de investigación de fastMRI eliminó aproximadamente tres cuartas partes de los datos sin procesar en cada escaneo y luego alimentó la información restante al modelo de IA. Este luego aprendió a generar imágenes completas a partir de datos limitados. Es importante destacar que las imágenes producidas por el modelo de IA no solo se veían como resonancias magnéticas convencionales; sino que las imágenes generadas por IA coincidían con la imagen real creada por la resonancia magnética de proceso estándar. Imagina tomar solo 250 piezas de un rompecabezas de 1,000 piezas y luego completar la imagen completa de una manera que no solo parezca plausible; sino que también coincide exactamente con el rompecabezas completo que se muestra en la caja. Eso es una aproximación de lo que el equipo de fastMRI pudo hacer con su modelo.

El método de fastMRI es diferente a otros intentos de uso de la IA en la medicina. A menudo, estos algoritmos tienen como objetivo automatizar la revisión de imágenes médicas para intentar la detección de problemas potenciales, como lo haría un médico. Pero fastMRI no intenta hacer el trabajo de los expertos en medicina; más bien, crea una imagen completa con escasa información. Los radiólogos y médicos podrán utilizar la imagen de fastMRI del mismo modo en el que normalmente lo harían, la única diferencia es que el paciente pasa menos tiempo en el tubo del escáner.

Cómo los radiólogos ponen a prueba el fastMRI

Los investigadores detrás de fastMRI tenían que asegurarse de que su modelo no sacrificaría la precisión en la búsqueda de la velocidad. Solo algunos puntos faltantes o escaneados incorrectamente en una imagen podrían significar la diferencia entre encontrar un ligamento roto o un posible tumor y dar a los pacientes un informe incorrecto.

El estudio clínico que se publicará en el American Journal of Roentgenology demuestra que el modelo de Inteligencia Artificial de fastMRI produce imágenes que son tan precisas, útiles y fiables, como las de una resonancia magnética estándar. El estudio muestra que el fastMRI puede generar imágenes de resonancia magnética «equivalentes para el diagnóstico» de las lesiones de una rodilla al utilizar un 75% menos de datos sin procesar de la máquina de escaneo. De hecho, los radiólogos expertos que participaron en el estudio no pudieron distinguir las imágenes generadas por IA de las convencionales. (Más detalles están disponibles en el estudio y esta publicación en el blog de Facebook AI).

Avanzando hacia resonancias magnéticas más rápidas para todos los que las necesitan

El estudio clínico de hoy es un importante paso, pero hay muchos más avances por venir. Como siguientes pasos, los investigadores de Facebook AI y el centro NYU Langone quieren demostrar que el fastMRI funciona igual de bien con otros órganos vitales, como el cerebro. El FastMRI también ha publicado sus datos, modelos y código para que otros investigadores puedan contribuir a su trabajo y aportar nuevas ideas. El equipo del fastMRI espera que este método abierto acelerará el avance y dará lugar a nuevas formas de utilizar la IA para las exploraciones de resonancia magnética. Además, dado que hemos compartido nuestros modelos abiertamente, los fabricantes de resonancias electromagnéticas son libres de probar fastMRI con sus máquinas desde ahora, y acercar rápidamente sus resultados en beneficio de los pacientes.

Todavía hay mucho que hacer por fastMRI, pero se acerca el día en que las resonancias magnéticas aceleradas por Inteligencia Artificial podrán beneficiar a millones de personas en todo el mundo.



Utilizamos cookies para personalizar contenido, adaptar y medir los anuncios, y proporcionar una experiencia más segura. Al hacer clic o navegar en el sitio, aceptas que recopilemos información dentro y fuera de Facebook mediante cookies. Consulta más información, incluida información relativa a los controles disponibles en: Política de cookies