{"id":21847,"date":"2020-08-18T10:27:29","date_gmt":"2020-08-18T15:27:29","guid":{"rendered":"https:\/\/about.fb.com\/ltam\/?p=21847"},"modified":"2020-08-18T10:42:02","modified_gmt":"2020-08-18T15:42:02","slug":"la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica","status":"publish","type":"post","link":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/","title":{"rendered":"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica"},"content":{"rendered":"

fastMRI es un proyecto de investigaci\u00f3n para mejorar las resonancias magn\u00e9ticas para millones de personas y mostrar nuevos avances en la investigaci\u00f3n de inteligencia artificial<\/i><\/strong><\/p>\n

<\/div>\n

Imagina que est\u00e1s en el hospital, con dolor y ansioso por saber cu\u00e1l podr\u00eda ser el diagn\u00f3stico. Tu m\u00e9dico solicita una resonancia magn\u00e9tica, lo que significa permanecer perfectamente quieto dentro de un estrecho tubo de esc\u00e1ner por un intervalo de hasta una hora. A medida que la m\u00e1quina de resonancia magn\u00e9tica gradualmente recopila datos, solo escuchas el intermitente crujido y golpeteo de la corriente el\u00e9ctrica en las bobinas magn\u00e9ticas del esc\u00e1ner. Si te mueves durante el escaneo, es posible que la imagen no sea lo suficientemente clara y \u00fatil, lo que significar\u00eda reservar otra cita para nuevamente realizar el proceso.\u00a0<\/span><\/p>\n

A menudo, las resonancias magn\u00e9ticas son la mejor herramienta para diagnosticar problemas con \u00f3rganos, m\u00fasculos y otros tejidos blandos. Pero incluso con los avances recientes, puede tomar una cantidad importante de tiempo para que el esc\u00e1ner recopile los datos necesarios. Este proceso resulta dif\u00edcil para cualquiera, e incluso puede ser imposible para los muy j\u00f3venes o severamente enfermos.<\/span><\/p>\n

El tiempo que lleva completar una resonancia magn\u00e9tica no solo hace que la experiencia del paciente sea agotadora, tambi\u00e9n limita la cantidad de escaneos que se pueden realizar en un d\u00eda. Algunos tipos de tejido est\u00e1n 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 m\u00e9dicos necesitan informaci\u00f3n r\u00e1pida, a menudo deben utilizar otra tecnolog\u00eda en lugar de esperar a que el esc\u00e1ner de resonancia magn\u00e9tica haga su trabajo. Las radiograf\u00edas y tomograf\u00edas computarizadas son mucho m\u00e1s r\u00e1pidas, sin embargo, exponen al cuerpo a radiaci\u00f3n ionizante. En el caso de algunos tipos de tejido, las resonancias magn\u00e9ticas pueden revelar m\u00e1s detalles que las otras alternativas.<\/span><\/p>\n

Los investigadores de Inteligencia Artificial (IA) en Facebook se han asociado con m\u00e9dicos y expertos en im\u00e1genes m\u00e9dicas del centro m\u00e9dico NYU Langone Health para resolver este problema y avanzar en la investigaci\u00f3n de esta tecnolog\u00eda. Estamos usando la Inteligencia Artificial para crear im\u00e1genes completas a partir de una cantidad de datos sin procesar mucho menor. Dado que la recopilaci\u00f3n de esos datos es lo que hace que las resonancias magn\u00e9ticas sean tan lentas, esto tiene el potencial de acelerar significativamente el proceso de escaneo. As\u00ed que es posible que en un futuro no muy lejano, pases solo unos minutos en el tubo del esc\u00e1ner para generar una imagen n\u00edtida.<\/span><\/p>\n

Despu\u00e9s de dos a\u00f1os de trabajo en la iniciativa de fastMRI, Facebook AI y NYU Langone han alcanzado un hito importante. Un nuevo estudio cl\u00ednico que se publicar\u00e1 en el <\/span>American Journal of Roentgenology<\/span><\/i> muestra por primera vez que las im\u00e1genes de resonancia magn\u00e9tica r\u00e1pida son intercambiables con las de las resonancias magn\u00e9ticas regulares. El estudio se centr\u00f3 espec\u00edficamente en los escaneos de rodilla. Actualmente estamos trabajando para extender los resultados a otras partes del cuerpo.<\/span><\/p>\n

\u201cEste es un paso importante hacia la aceptaci\u00f3n cl\u00ednica y la utilizaci\u00f3n de resonancias magn\u00e9ticas aceleradas por IA\u201d, afirm\u00f3 el Dr. Michael P. Recht, profesor Louis Marx y presidente del departamento de radiolog\u00eda en NYU Langone Health.<\/span><\/p>\n

Ondas de radio, imanes y matem\u00e1ticas<\/b><\/h3>\n

Para comprender el m\u00e9todo del fastMRI, es conveniente revisar primero c\u00f3mo funcionan las im\u00e1genes por resonancia magn\u00e9tica.<\/span><\/p>\n

Para crear la imagen que revisa tu m\u00e9dico o radi\u00f3logo, la m\u00e1quina de resonancia magn\u00e9tica utiliza campos magn\u00e9ticos que interact\u00faan con \u00e1tomos de hidr\u00f3geno en los tejidos blandos del cuerpo y \u00f3rganos vitales. Luego, estos \u00e1tomos emiten se\u00f1ales electromagn\u00e9ticas que act\u00faan como balizas, que indican en qu\u00e9 parte del cuerpo se encuentran los \u00e1tomos. Las se\u00f1ales son recopilados por el esc\u00e1ner como una secuencia de mediciones de frecuencia 2D individuales, conocido como datos del espacio k.<\/span><\/p>\n

Una vez que se recopila toda la informaci\u00f3n, el sistema aplica una compleja f\u00f3rmula matem\u00e1tica – una transformada de Fourier inversa – a esos datos sin procesar del espacio k para crear im\u00e1genes de resonancia magn\u00e9tica detalladas de la rodilla, la espalda, el cerebro u otra \u00e1rea del cuerpo. Sin un conjunto completo de puntos de datos, las matem\u00e1ticas no pueden precisar exactamente de d\u00f3nde viene cada se\u00f1al.<\/span><\/p>\n

La Inteligencia Artificial se encuentra con las resonancias electromagn\u00e9ticas<\/b><\/h3>\n

El equipo de fastMRI utiliz\u00f3 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 c\u00f3digo abierto de resonancias magn\u00e9ticas de rodilla m\u00e1s grande del mundo, que fue creado y compartido por el NYU Langone Health y como parte de la iniciativa fastMRI. (Toda la informaci\u00f3n utilizada en el proyecto, incluidos los escaneos utilizados para el estudio, son de c\u00f3digo abierto y de un conjunto de datos que NYU Langone cre\u00f3 en 2018. Antes de abrir los datos, NYU Langone se asegur\u00f3 de que todos los escaneos fueran desidentificados y que la informaci\u00f3n del paciente no estuviera disponible para los revisores o investigadores que trabajan en el proyecto de fastMRI).<\/span><\/p>\n

<\/div>\n

El equipo de investigaci\u00f3n de fastMRI elimin\u00f3 aproximadamente tres cuartas partes de los datos sin procesar en cada escaneo y luego aliment\u00f3 la informaci\u00f3n restante al modelo de IA. Este luego aprendi\u00f3 a generar im\u00e1genes completas a partir de datos limitados. Es importante destacar que las im\u00e1genes producidas por el modelo de IA no solo se ve\u00edan como resonancias magn\u00e9ticas convencionales; sino que las im\u00e1genes generadas por IA coincid\u00edan con la imagen real creada por la resonancia magn\u00e9tica de proceso est\u00e1ndar. 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 tambi\u00e9n coincide exactamente con el rompecabezas completo que se muestra en la caja. Eso es una aproximaci\u00f3n de lo que el equipo de fastMRI pudo hacer con su modelo.<\/span><\/p>\n

El m\u00e9todo de fastMRI es diferente a otros intentos de uso de la IA en la medicina. A menudo, estos algoritmos tienen como objetivo automatizar la revisi\u00f3n de im\u00e1genes m\u00e9dicas para intentar la detecci\u00f3n de problemas potenciales, como lo har\u00eda un m\u00e9dico. Pero fastMRI no intenta hacer el trabajo de los expertos en medicina; m\u00e1s bien, crea una imagen completa con escasa informaci\u00f3n. Los radi\u00f3logos y m\u00e9dicos podr\u00e1n utilizar la imagen de fastMRI del mismo modo en el que normalmente lo har\u00edan, la \u00fanica diferencia es que el paciente pasa menos tiempo en el tubo del esc\u00e1ner.<\/span><\/p>\n

C\u00f3mo los radi\u00f3logos ponen a prueba el fastMRI<\/b><\/h3>\n

Los investigadores detr\u00e1s de fastMRI ten\u00edan que asegurarse de que su modelo no sacrificar\u00eda la precisi\u00f3n en la b\u00fasqueda de la velocidad. Solo algunos puntos faltantes o escaneados incorrectamente en una imagen podr\u00edan significar la diferencia entre encontrar un ligamento roto o un posible tumor y dar a los pacientes un informe incorrecto.<\/span><\/p>\n

El estudio cl\u00ednico que se publicar\u00e1 en el <\/span>American Journal of Roentgenology<\/span><\/i> demuestra que el modelo de Inteligencia Artificial de fastMRI produce im\u00e1genes que son tan precisas, \u00fatiles y fiables, como las de una resonancia magn\u00e9tica est\u00e1ndar. El estudio muestra que el fastMRI puede generar im\u00e1genes de resonancia magn\u00e9tica \u00abequivalentes para el diagn\u00f3stico\u00bb de las lesiones de una rodilla al utilizar un 75% menos de datos sin procesar de la m\u00e1quina de escaneo. De hecho, los radi\u00f3logos expertos que participaron en el estudio no pudieron distinguir las im\u00e1genes generadas por IA de las convencionales. (M\u00e1s detalles est\u00e1n disponibles en el estudio y esta publicaci\u00f3n en el blog de Facebook AI).<\/span><\/p>\n

Avanzando hacia resonancias magn\u00e9ticas m\u00e1s r\u00e1pidas para todos los que las necesitan<\/b><\/h3>\n

El estudio cl\u00ednico de hoy es un importante paso, pero hay muchos m\u00e1s 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 \u00f3rganos vitales, como el cerebro. El FastMRI tambi\u00e9n ha publicado sus datos, modelos y c\u00f3digo para que otros investigadores puedan contribuir a su trabajo y aportar nuevas ideas. El equipo del fastMRI espera que este m\u00e9todo abierto acelerar\u00e1 el avance y dar\u00e1 lugar a nuevas formas de utilizar la IA para las exploraciones de resonancia magn\u00e9tica. Adem\u00e1s, dado que hemos compartido nuestros modelos abiertamente, los fabricantes de resonancias electromagn\u00e9ticas son libres de probar fastMRI con sus m\u00e1quinas desde ahora, y acercar r\u00e1pidamente sus resultados en beneficio de los pacientes.<\/span><\/p>\n

Todav\u00eda hay mucho que hacer por fastMRI, pero se acerca el d\u00eda en que las resonancias magn\u00e9ticas aceleradas por Inteligencia Artificial podr\u00e1n beneficiar a millones de personas en todo el mundo.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"fastMRI es un proyecto de investigaci\u00f3n para mejorar las resonancias magn\u00e9ticas para millones de personas y mostrar nuevos avances en la investigaci\u00f3n de inteligencia artificial Imagina que est\u00e1s en el hospital, con dolor y ansioso por saber cu\u00e1l podr\u00eda ser el diagn\u00f3stico. Tu m\u00e9dico solicita una resonancia magn\u00e9tica, lo que significa permanecer perfectamente quieto dentro de un estrecho tubo de esc\u00e1ner por un intervalo de hasta una hora. A medida que la m\u00e1quina de resonancia magn\u00e9tica gradualmente recopila datos, solo escuchas el intermitente crujido y golpeteo de la corriente el\u00e9ctrica en las bobinas magn\u00e9ticas del esc\u00e1ner. Si te mueves durante el escaneo, es posible que la imagen no sea lo suficientemente clara y \u00fatil, lo que significar\u00eda reservar otra cita para nuevamente realizar el proceso.\u00a0 A menudo, las resonancias magn\u00e9ticas son la mejor herramienta para diagnosticar problemas con \u00f3rganos, m\u00fasculos y otros tejidos blandos. Pero incluso con los avances recientes, puede tomar una cantidad importante de tiempo para que el esc\u00e1ner recopile los datos necesarios. Este proceso resulta dif\u00edcil para cualquiera, e incluso puede ser imposible para los muy j\u00f3venes o severamente enfermos. El tiempo que lleva completar una resonancia magn\u00e9tica no solo hace que la experiencia del paciente sea agotadora, tambi\u00e9n limita la cantidad de escaneos que se pueden realizar en un d\u00eda. Algunos tipos de tejido est\u00e1n 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 m\u00e9dicos necesitan informaci\u00f3n r\u00e1pida, a menudo deben utilizar otra tecnolog\u00eda en lugar de esperar a que el esc\u00e1ner de resonancia magn\u00e9tica haga su trabajo. Las radiograf\u00edas y tomograf\u00edas computarizadas son mucho m\u00e1s r\u00e1pidas, sin embargo, exponen al cuerpo a radiaci\u00f3n ionizante. En el caso de algunos tipos de tejido, las resonancias magn\u00e9ticas pueden revelar m\u00e1s detalles que las otras alternativas. Los investigadores de Inteligencia Artificial (IA) en Facebook se han asociado con m\u00e9dicos y expertos en im\u00e1genes m\u00e9dicas del centro m\u00e9dico NYU Langone Health para resolver este problema y avanzar en la investigaci\u00f3n de esta tecnolog\u00eda. Estamos usando la Inteligencia Artificial para crear im\u00e1genes completas a partir de una cantidad de datos sin procesar mucho menor. Dado que la recopilaci\u00f3n de esos datos es lo que hace que las resonancias magn\u00e9ticas sean tan lentas, esto tiene el potencial de acelerar significativamente el proceso de escaneo. As\u00ed que es posible que en un futuro no muy lejano, pases solo unos minutos en el tubo del esc\u00e1ner para generar una imagen n\u00edtida. Despu\u00e9s de dos a\u00f1os de trabajo en la iniciativa de fastMRI, Facebook AI y NYU Langone han alcanzado un hito importante. Un nuevo estudio cl\u00ednico que se publicar\u00e1 en el American Journal of Roentgenology muestra por primera vez que las im\u00e1genes de resonancia magn\u00e9tica r\u00e1pida son intercambiables con las de las resonancias magn\u00e9ticas regulares. El estudio se centr\u00f3 espec\u00edficamente en los escaneos de rodilla. Actualmente estamos trabajando para extender los resultados a otras partes del cuerpo. \u201cEste es un paso importante hacia la aceptaci\u00f3n cl\u00ednica y la utilizaci\u00f3n de resonancias magn\u00e9ticas aceleradas por IA\u201d, afirm\u00f3 el Dr. Michael P. Recht, profesor Louis Marx y presidente del departamento de radiolog\u00eda en NYU Langone Health. Ondas de radio, imanes y matem\u00e1ticas Para comprender el m\u00e9todo del fastMRI, es conveniente revisar primero c\u00f3mo funcionan las im\u00e1genes por resonancia magn\u00e9tica. Para crear la imagen que revisa tu m\u00e9dico o radi\u00f3logo, la m\u00e1quina de resonancia magn\u00e9tica utiliza campos magn\u00e9ticos que interact\u00faan con \u00e1tomos de hidr\u00f3geno en los tejidos blandos del cuerpo y \u00f3rganos vitales. Luego, estos \u00e1tomos emiten se\u00f1ales electromagn\u00e9ticas que act\u00faan como balizas, que indican en qu\u00e9 parte del cuerpo se encuentran los \u00e1tomos. Las se\u00f1ales son recopilados por el esc\u00e1ner como una secuencia de mediciones de frecuencia 2D individuales, conocido como datos del espacio k. Una vez que se recopila toda la informaci\u00f3n, el sistema aplica una compleja f\u00f3rmula matem\u00e1tica – una transformada de Fourier inversa – a esos datos sin procesar del espacio k para crear im\u00e1genes de resonancia magn\u00e9tica detalladas de la rodilla, la espalda, el cerebro u otra \u00e1rea del cuerpo. Sin un conjunto completo de puntos de datos, las matem\u00e1ticas no pueden precisar exactamente de d\u00f3nde viene cada se\u00f1al. La Inteligencia Artificial se encuentra con las resonancias electromagn\u00e9ticas El equipo de fastMRI utiliz\u00f3 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 c\u00f3digo abierto de resonancias magn\u00e9ticas de rodilla m\u00e1s grande del mundo, que fue creado y compartido por el NYU Langone Health y como parte de la iniciativa fastMRI. (Toda la informaci\u00f3n utilizada en el proyecto, incluidos los escaneos utilizados para el estudio, son de c\u00f3digo abierto y de un conjunto de datos que NYU Langone cre\u00f3 en 2018. Antes de abrir los datos, NYU Langone se asegur\u00f3 de que todos los escaneos fueran desidentificados y que la informaci\u00f3n del paciente no estuviera disponible para los revisores o investigadores que trabajan en el proyecto de fastMRI). El equipo de investigaci\u00f3n de fastMRI elimin\u00f3 aproximadamente tres cuartas partes de los datos sin procesar en cada escaneo y luego aliment\u00f3 la informaci\u00f3n restante al modelo de IA. Este luego aprendi\u00f3 a generar im\u00e1genes completas a partir de datos limitados. Es importante destacar que las im\u00e1genes producidas por el modelo de IA no solo se ve\u00edan como resonancias magn\u00e9ticas convencionales; sino que las im\u00e1genes generadas por IA coincid\u00edan con la imagen real creada por la resonancia magn\u00e9tica de proceso est\u00e1ndar. 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 tambi\u00e9n coincide exactamente con el rompecabezas completo que se muestra en la caja. Eso es una aproximaci\u00f3n de lo que el equipo de fastMRI pudo hacer con su modelo. El m\u00e9todo de fastMRI es diferente a otros intentos de uso de la IA en la medicina. A menudo, estos algoritmos tienen como objetivo automatizar la revisi\u00f3n de im\u00e1genes m\u00e9dicas para intentar la detecci\u00f3n de problemas potenciales, como lo har\u00eda un m\u00e9dico. Pero fastMRI no intenta hacer el trabajo de los expertos en medicina; m\u00e1s bien, crea una imagen completa con escasa informaci\u00f3n. Los radi\u00f3logos y m\u00e9dicos podr\u00e1n utilizar la imagen de fastMRI del mismo modo en el que normalmente lo har\u00edan, la \u00fanica diferencia es que el paciente pasa menos tiempo en el tubo del esc\u00e1ner. C\u00f3mo los radi\u00f3logos ponen a prueba el fastMRI Los investigadores detr\u00e1s de fastMRI ten\u00edan que asegurarse de que su modelo no sacrificar\u00eda la precisi\u00f3n en la b\u00fasqueda de la velocidad. Solo algunos puntos faltantes o escaneados incorrectamente en una imagen podr\u00edan significar la diferencia entre encontrar un ligamento roto o un posible tumor y dar a los pacientes un informe incorrecto. El estudio cl\u00ednico que se publicar\u00e1 en el American Journal of Roentgenology demuestra que el modelo de Inteligencia Artificial de fastMRI produce im\u00e1genes que son tan precisas, \u00fatiles y fiables, como las de una resonancia magn\u00e9tica est\u00e1ndar. El estudio muestra que el fastMRI puede generar im\u00e1genes de resonancia magn\u00e9tica \u00abequivalentes para el diagn\u00f3stico\u00bb de las lesiones de una rodilla al utilizar un 75% menos de datos sin procesar de la m\u00e1quina de escaneo. De hecho, los radi\u00f3logos expertos que participaron en el estudio no pudieron distinguir las im\u00e1genes generadas por IA de las convencionales. (M\u00e1s detalles est\u00e1n disponibles en el estudio y esta publicaci\u00f3n en el blog de Facebook AI). Avanzando hacia resonancias magn\u00e9ticas m\u00e1s r\u00e1pidas para todos los que las necesitan El estudio cl\u00ednico de hoy es un importante paso, pero hay muchos m\u00e1s 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 \u00f3rganos vitales, como el cerebro. El FastMRI tambi\u00e9n ha publicado sus datos, modelos y c\u00f3digo para que otros investigadores puedan contribuir a su trabajo y aportar nuevas ideas. El equipo del fastMRI espera que este m\u00e9todo abierto acelerar\u00e1 el avance y dar\u00e1 lugar a nuevas formas de utilizar la IA para las exploraciones de resonancia magn\u00e9tica. Adem\u00e1s, dado que hemos compartido nuestros modelos abiertamente, los fabricantes de resonancias electromagn\u00e9ticas son libres de probar fastMRI con sus m\u00e1quinas desde ahora, y acercar r\u00e1pidamente sus resultados en beneficio de los pacientes. Todav\u00eda hay mucho que hacer por fastMRI, pero se acerca el d\u00eda en que las resonancias magn\u00e9ticas aceleradas por Inteligencia Artificial podr\u00e1n beneficiar a millones de personas en todo el mundo.","protected":false},"author":164097050,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[243947986,243948081,243948037],"tags":[],"class_list":["post-21847","post","type-post","status-publish","format-standard","hentry","category-innovacion","category-inteligencia-artificial","category-meta"],"yoast_head":"\nLa forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica | Acerca de Meta<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica | Acerca de Meta\" \/>\n<meta property=\"og:description\" content=\"fastMRI es un proyecto de investigaci\u00f3n para mejorar las resonancias magn\u00e9ticas para millones de personas y mostrar nuevos avances en la investigaci\u00f3n de inteligencia artificial Imagina que est\u00e1s en el hospital, con dolor y ansioso por saber cu\u00e1l podr\u00eda ser el diagn\u00f3stico. Tu m\u00e9dico solicita una resonancia magn\u00e9tica, lo que significa permanecer perfectamente quieto dentro de un estrecho tubo de esc\u00e1ner por un intervalo de hasta una hora. A medida que la m\u00e1quina de resonancia magn\u00e9tica gradualmente recopila datos, solo escuchas el intermitente crujido y golpeteo de la corriente el\u00e9ctrica en las bobinas magn\u00e9ticas del esc\u00e1ner. Si te mueves durante el escaneo, es posible que la imagen no sea lo suficientemente clara y \u00fatil, lo que significar\u00eda reservar otra cita para nuevamente realizar el proceso.\u00a0 A menudo, las resonancias magn\u00e9ticas son la mejor herramienta para diagnosticar problemas con \u00f3rganos, m\u00fasculos y otros tejidos blandos. Pero incluso con los avances recientes, puede tomar una cantidad importante de tiempo para que el esc\u00e1ner recopile los datos necesarios. Este proceso resulta dif\u00edcil para cualquiera, e incluso puede ser imposible para los muy j\u00f3venes o severamente enfermos. El tiempo que lleva completar una resonancia magn\u00e9tica no solo hace que la experiencia del paciente sea agotadora, tambi\u00e9n limita la cantidad de escaneos que se pueden realizar en un d\u00eda. Algunos tipos de tejido est\u00e1n 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 m\u00e9dicos necesitan informaci\u00f3n r\u00e1pida, a menudo deben utilizar otra tecnolog\u00eda en lugar de esperar a que el esc\u00e1ner de resonancia magn\u00e9tica haga su trabajo. Las radiograf\u00edas y tomograf\u00edas computarizadas son mucho m\u00e1s r\u00e1pidas, sin embargo, exponen al cuerpo a radiaci\u00f3n ionizante. En el caso de algunos tipos de tejido, las resonancias magn\u00e9ticas pueden revelar m\u00e1s detalles que las otras alternativas. Los investigadores de Inteligencia Artificial (IA) en Facebook se han asociado con m\u00e9dicos y expertos en im\u00e1genes m\u00e9dicas del centro m\u00e9dico NYU Langone Health para resolver este problema y avanzar en la investigaci\u00f3n de esta tecnolog\u00eda. Estamos usando la Inteligencia Artificial para crear im\u00e1genes completas a partir de una cantidad de datos sin procesar mucho menor. Dado que la recopilaci\u00f3n de esos datos es lo que hace que las resonancias magn\u00e9ticas sean tan lentas, esto tiene el potencial de acelerar significativamente el proceso de escaneo. As\u00ed que es posible que en un futuro no muy lejano, pases solo unos minutos en el tubo del esc\u00e1ner para generar una imagen n\u00edtida. Despu\u00e9s de dos a\u00f1os de trabajo en la iniciativa de fastMRI, Facebook AI y NYU Langone han alcanzado un hito importante. Un nuevo estudio cl\u00ednico que se publicar\u00e1 en el American Journal of Roentgenology muestra por primera vez que las im\u00e1genes de resonancia magn\u00e9tica r\u00e1pida son intercambiables con las de las resonancias magn\u00e9ticas regulares. El estudio se centr\u00f3 espec\u00edficamente en los escaneos de rodilla. Actualmente estamos trabajando para extender los resultados a otras partes del cuerpo. \u201cEste es un paso importante hacia la aceptaci\u00f3n cl\u00ednica y la utilizaci\u00f3n de resonancias magn\u00e9ticas aceleradas por IA\u201d, afirm\u00f3 el Dr. Michael P. Recht, profesor Louis Marx y presidente del departamento de radiolog\u00eda en NYU Langone Health. Ondas de radio, imanes y matem\u00e1ticas Para comprender el m\u00e9todo del fastMRI, es conveniente revisar primero c\u00f3mo funcionan las im\u00e1genes por resonancia magn\u00e9tica. Para crear la imagen que revisa tu m\u00e9dico o radi\u00f3logo, la m\u00e1quina de resonancia magn\u00e9tica utiliza campos magn\u00e9ticos que interact\u00faan con \u00e1tomos de hidr\u00f3geno en los tejidos blandos del cuerpo y \u00f3rganos vitales. Luego, estos \u00e1tomos emiten se\u00f1ales electromagn\u00e9ticas que act\u00faan como balizas, que indican en qu\u00e9 parte del cuerpo se encuentran los \u00e1tomos. Las se\u00f1ales son recopilados por el esc\u00e1ner como una secuencia de mediciones de frecuencia 2D individuales, conocido como datos del espacio k. Una vez que se recopila toda la informaci\u00f3n, el sistema aplica una compleja f\u00f3rmula matem\u00e1tica – una transformada de Fourier inversa – a esos datos sin procesar del espacio k para crear im\u00e1genes de resonancia magn\u00e9tica detalladas de la rodilla, la espalda, el cerebro u otra \u00e1rea del cuerpo. Sin un conjunto completo de puntos de datos, las matem\u00e1ticas no pueden precisar exactamente de d\u00f3nde viene cada se\u00f1al. La Inteligencia Artificial se encuentra con las resonancias electromagn\u00e9ticas El equipo de fastMRI utiliz\u00f3 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 c\u00f3digo abierto de resonancias magn\u00e9ticas de rodilla m\u00e1s grande del mundo, que fue creado y compartido por el NYU Langone Health y como parte de la iniciativa fastMRI. (Toda la informaci\u00f3n utilizada en el proyecto, incluidos los escaneos utilizados para el estudio, son de c\u00f3digo abierto y de un conjunto de datos que NYU Langone cre\u00f3 en 2018. Antes de abrir los datos, NYU Langone se asegur\u00f3 de que todos los escaneos fueran desidentificados y que la informaci\u00f3n del paciente no estuviera disponible para los revisores o investigadores que trabajan en el proyecto de fastMRI). El equipo de investigaci\u00f3n de fastMRI elimin\u00f3 aproximadamente tres cuartas partes de los datos sin procesar en cada escaneo y luego aliment\u00f3 la informaci\u00f3n restante al modelo de IA. Este luego aprendi\u00f3 a generar im\u00e1genes completas a partir de datos limitados. Es importante destacar que las im\u00e1genes producidas por el modelo de IA no solo se ve\u00edan como resonancias magn\u00e9ticas convencionales; sino que las im\u00e1genes generadas por IA coincid\u00edan con la imagen real creada por la resonancia magn\u00e9tica de proceso est\u00e1ndar. 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 tambi\u00e9n coincide exactamente con el rompecabezas completo que se muestra en la caja. Eso es una aproximaci\u00f3n de lo que el equipo de fastMRI pudo hacer con su modelo. El m\u00e9todo de fastMRI es diferente a otros intentos de uso de la IA en la medicina. A menudo, estos algoritmos tienen como objetivo automatizar la revisi\u00f3n de im\u00e1genes m\u00e9dicas para intentar la detecci\u00f3n de problemas potenciales, como lo har\u00eda un m\u00e9dico. Pero fastMRI no intenta hacer el trabajo de los expertos en medicina; m\u00e1s bien, crea una imagen completa con escasa informaci\u00f3n. Los radi\u00f3logos y m\u00e9dicos podr\u00e1n utilizar la imagen de fastMRI del mismo modo en el que normalmente lo har\u00edan, la \u00fanica diferencia es que el paciente pasa menos tiempo en el tubo del esc\u00e1ner. C\u00f3mo los radi\u00f3logos ponen a prueba el fastMRI Los investigadores detr\u00e1s de fastMRI ten\u00edan que asegurarse de que su modelo no sacrificar\u00eda la precisi\u00f3n en la b\u00fasqueda de la velocidad. Solo algunos puntos faltantes o escaneados incorrectamente en una imagen podr\u00edan significar la diferencia entre encontrar un ligamento roto o un posible tumor y dar a los pacientes un informe incorrecto. El estudio cl\u00ednico que se publicar\u00e1 en el American Journal of Roentgenology demuestra que el modelo de Inteligencia Artificial de fastMRI produce im\u00e1genes que son tan precisas, \u00fatiles y fiables, como las de una resonancia magn\u00e9tica est\u00e1ndar. El estudio muestra que el fastMRI puede generar im\u00e1genes de resonancia magn\u00e9tica \u00abequivalentes para el diagn\u00f3stico\u00bb de las lesiones de una rodilla al utilizar un 75% menos de datos sin procesar de la m\u00e1quina de escaneo. De hecho, los radi\u00f3logos expertos que participaron en el estudio no pudieron distinguir las im\u00e1genes generadas por IA de las convencionales. (M\u00e1s detalles est\u00e1n disponibles en el estudio y esta publicaci\u00f3n en el blog de Facebook AI). Avanzando hacia resonancias magn\u00e9ticas m\u00e1s r\u00e1pidas para todos los que las necesitan El estudio cl\u00ednico de hoy es un importante paso, pero hay muchos m\u00e1s 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 \u00f3rganos vitales, como el cerebro. El FastMRI tambi\u00e9n ha publicado sus datos, modelos y c\u00f3digo para que otros investigadores puedan contribuir a su trabajo y aportar nuevas ideas. El equipo del fastMRI espera que este m\u00e9todo abierto acelerar\u00e1 el avance y dar\u00e1 lugar a nuevas formas de utilizar la IA para las exploraciones de resonancia magn\u00e9tica. Adem\u00e1s, dado que hemos compartido nuestros modelos abiertamente, los fabricantes de resonancias electromagn\u00e9ticas son libres de probar fastMRI con sus m\u00e1quinas desde ahora, y acercar r\u00e1pidamente sus resultados en beneficio de los pacientes. Todav\u00eda hay mucho que hacer por fastMRI, pero se acerca el d\u00eda en que las resonancias magn\u00e9ticas aceleradas por Inteligencia Artificial podr\u00e1n beneficiar a millones de personas en todo el mundo.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/\" \/>\n<meta property=\"og:site_name\" content=\"Acerca de Meta\" \/>\n<meta property=\"article:published_time\" content=\"2020-08-18T15:27:29+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2020-08-18T15:42:02+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/about.fb.com\/ltam\/wp-content\/uploads\/sites\/14\/2021\/10\/meta-social-16x9-1.jpg?resize=1024,576\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"576\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"milenaherreraCO\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"Meta\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/\"},\"author\":\"Facebook company\",\"headline\":\"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica\",\"datePublished\":\"2020-08-18T15:27:29+00:00\",\"dateModified\":\"2020-08-18T15:42:02+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/\"},\"wordCount\":1596,\"publisher\":{\"@id\":\"https:\/\/about.fb.com\/ltam\/#organization\"},\"articleSection\":[\"Innovaci\u00f3n\",\"Inteligencia Artificial\",\"Meta\"],\"inLanguage\":\"es\"},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/\",\"url\":\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/\",\"name\":\"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica | Acerca de Meta\",\"isPartOf\":{\"@id\":\"https:\/\/about.fb.com\/ltam\/#website\"},\"datePublished\":\"2020-08-18T15:27:29+00:00\",\"dateModified\":\"2020-08-18T15:42:02+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/\"]}],\"author\":\"Acerca de Meta\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/about.fb.com\/ltam\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/about.fb.com\/ltam\/#website\",\"url\":\"https:\/\/about.fb.com\/news\/\",\"name\":\"Acerca de Meta\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/about.fb.com\/ltam\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/about.fb.com\/ltam\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\",\"alternateName\":[\"Meta Newsroom\",\"Meta\"]},{\"@type\":\"Organization\",\"@id\":\"https:\/\/about.fb.com\/ltam\/#organization\",\"name\":\"Meta\",\"url\":\"https:\/\/about.fb.com\/ltam\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/about.fb.com\/ltam\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/about.fb.com\/ltam\/wp-content\/uploads\/sites\/14\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500\",\"contentUrl\":\"https:\/\/about.fb.com\/ltam\/wp-content\/uploads\/sites\/14\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500\",\"width\":8000,\"height\":4500,\"caption\":\"Meta\"},\"image\":{\"@id\":\"https:\/\/about.fb.com\/ltam\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica | Acerca de Meta","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/","og_locale":"es_ES","og_type":"article","og_title":"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica | Acerca de Meta","og_description":"fastMRI es un proyecto de investigaci\u00f3n para mejorar las resonancias magn\u00e9ticas para millones de personas y mostrar nuevos avances en la investigaci\u00f3n de inteligencia artificial Imagina que est\u00e1s en el hospital, con dolor y ansioso por saber cu\u00e1l podr\u00eda ser el diagn\u00f3stico. Tu m\u00e9dico solicita una resonancia magn\u00e9tica, lo que significa permanecer perfectamente quieto dentro de un estrecho tubo de esc\u00e1ner por un intervalo de hasta una hora. A medida que la m\u00e1quina de resonancia magn\u00e9tica gradualmente recopila datos, solo escuchas el intermitente crujido y golpeteo de la corriente el\u00e9ctrica en las bobinas magn\u00e9ticas del esc\u00e1ner. Si te mueves durante el escaneo, es posible que la imagen no sea lo suficientemente clara y \u00fatil, lo que significar\u00eda reservar otra cita para nuevamente realizar el proceso.\u00a0 A menudo, las resonancias magn\u00e9ticas son la mejor herramienta para diagnosticar problemas con \u00f3rganos, m\u00fasculos y otros tejidos blandos. Pero incluso con los avances recientes, puede tomar una cantidad importante de tiempo para que el esc\u00e1ner recopile los datos necesarios. Este proceso resulta dif\u00edcil para cualquiera, e incluso puede ser imposible para los muy j\u00f3venes o severamente enfermos. El tiempo que lleva completar una resonancia magn\u00e9tica no solo hace que la experiencia del paciente sea agotadora, tambi\u00e9n limita la cantidad de escaneos que se pueden realizar en un d\u00eda. Algunos tipos de tejido est\u00e1n 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 m\u00e9dicos necesitan informaci\u00f3n r\u00e1pida, a menudo deben utilizar otra tecnolog\u00eda en lugar de esperar a que el esc\u00e1ner de resonancia magn\u00e9tica haga su trabajo. Las radiograf\u00edas y tomograf\u00edas computarizadas son mucho m\u00e1s r\u00e1pidas, sin embargo, exponen al cuerpo a radiaci\u00f3n ionizante. En el caso de algunos tipos de tejido, las resonancias magn\u00e9ticas pueden revelar m\u00e1s detalles que las otras alternativas. Los investigadores de Inteligencia Artificial (IA) en Facebook se han asociado con m\u00e9dicos y expertos en im\u00e1genes m\u00e9dicas del centro m\u00e9dico NYU Langone Health para resolver este problema y avanzar en la investigaci\u00f3n de esta tecnolog\u00eda. Estamos usando la Inteligencia Artificial para crear im\u00e1genes completas a partir de una cantidad de datos sin procesar mucho menor. Dado que la recopilaci\u00f3n de esos datos es lo que hace que las resonancias magn\u00e9ticas sean tan lentas, esto tiene el potencial de acelerar significativamente el proceso de escaneo. As\u00ed que es posible que en un futuro no muy lejano, pases solo unos minutos en el tubo del esc\u00e1ner para generar una imagen n\u00edtida. Despu\u00e9s de dos a\u00f1os de trabajo en la iniciativa de fastMRI, Facebook AI y NYU Langone han alcanzado un hito importante. Un nuevo estudio cl\u00ednico que se publicar\u00e1 en el American Journal of Roentgenology muestra por primera vez que las im\u00e1genes de resonancia magn\u00e9tica r\u00e1pida son intercambiables con las de las resonancias magn\u00e9ticas regulares. El estudio se centr\u00f3 espec\u00edficamente en los escaneos de rodilla. Actualmente estamos trabajando para extender los resultados a otras partes del cuerpo. \u201cEste es un paso importante hacia la aceptaci\u00f3n cl\u00ednica y la utilizaci\u00f3n de resonancias magn\u00e9ticas aceleradas por IA\u201d, afirm\u00f3 el Dr. Michael P. Recht, profesor Louis Marx y presidente del departamento de radiolog\u00eda en NYU Langone Health. Ondas de radio, imanes y matem\u00e1ticas Para comprender el m\u00e9todo del fastMRI, es conveniente revisar primero c\u00f3mo funcionan las im\u00e1genes por resonancia magn\u00e9tica. Para crear la imagen que revisa tu m\u00e9dico o radi\u00f3logo, la m\u00e1quina de resonancia magn\u00e9tica utiliza campos magn\u00e9ticos que interact\u00faan con \u00e1tomos de hidr\u00f3geno en los tejidos blandos del cuerpo y \u00f3rganos vitales. Luego, estos \u00e1tomos emiten se\u00f1ales electromagn\u00e9ticas que act\u00faan como balizas, que indican en qu\u00e9 parte del cuerpo se encuentran los \u00e1tomos. Las se\u00f1ales son recopilados por el esc\u00e1ner como una secuencia de mediciones de frecuencia 2D individuales, conocido como datos del espacio k. Una vez que se recopila toda la informaci\u00f3n, el sistema aplica una compleja f\u00f3rmula matem\u00e1tica – una transformada de Fourier inversa – a esos datos sin procesar del espacio k para crear im\u00e1genes de resonancia magn\u00e9tica detalladas de la rodilla, la espalda, el cerebro u otra \u00e1rea del cuerpo. Sin un conjunto completo de puntos de datos, las matem\u00e1ticas no pueden precisar exactamente de d\u00f3nde viene cada se\u00f1al. La Inteligencia Artificial se encuentra con las resonancias electromagn\u00e9ticas El equipo de fastMRI utiliz\u00f3 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 c\u00f3digo abierto de resonancias magn\u00e9ticas de rodilla m\u00e1s grande del mundo, que fue creado y compartido por el NYU Langone Health y como parte de la iniciativa fastMRI. (Toda la informaci\u00f3n utilizada en el proyecto, incluidos los escaneos utilizados para el estudio, son de c\u00f3digo abierto y de un conjunto de datos que NYU Langone cre\u00f3 en 2018. Antes de abrir los datos, NYU Langone se asegur\u00f3 de que todos los escaneos fueran desidentificados y que la informaci\u00f3n del paciente no estuviera disponible para los revisores o investigadores que trabajan en el proyecto de fastMRI). El equipo de investigaci\u00f3n de fastMRI elimin\u00f3 aproximadamente tres cuartas partes de los datos sin procesar en cada escaneo y luego aliment\u00f3 la informaci\u00f3n restante al modelo de IA. Este luego aprendi\u00f3 a generar im\u00e1genes completas a partir de datos limitados. Es importante destacar que las im\u00e1genes producidas por el modelo de IA no solo se ve\u00edan como resonancias magn\u00e9ticas convencionales; sino que las im\u00e1genes generadas por IA coincid\u00edan con la imagen real creada por la resonancia magn\u00e9tica de proceso est\u00e1ndar. 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 tambi\u00e9n coincide exactamente con el rompecabezas completo que se muestra en la caja. Eso es una aproximaci\u00f3n de lo que el equipo de fastMRI pudo hacer con su modelo. El m\u00e9todo de fastMRI es diferente a otros intentos de uso de la IA en la medicina. A menudo, estos algoritmos tienen como objetivo automatizar la revisi\u00f3n de im\u00e1genes m\u00e9dicas para intentar la detecci\u00f3n de problemas potenciales, como lo har\u00eda un m\u00e9dico. Pero fastMRI no intenta hacer el trabajo de los expertos en medicina; m\u00e1s bien, crea una imagen completa con escasa informaci\u00f3n. Los radi\u00f3logos y m\u00e9dicos podr\u00e1n utilizar la imagen de fastMRI del mismo modo en el que normalmente lo har\u00edan, la \u00fanica diferencia es que el paciente pasa menos tiempo en el tubo del esc\u00e1ner. C\u00f3mo los radi\u00f3logos ponen a prueba el fastMRI Los investigadores detr\u00e1s de fastMRI ten\u00edan que asegurarse de que su modelo no sacrificar\u00eda la precisi\u00f3n en la b\u00fasqueda de la velocidad. Solo algunos puntos faltantes o escaneados incorrectamente en una imagen podr\u00edan significar la diferencia entre encontrar un ligamento roto o un posible tumor y dar a los pacientes un informe incorrecto. El estudio cl\u00ednico que se publicar\u00e1 en el American Journal of Roentgenology demuestra que el modelo de Inteligencia Artificial de fastMRI produce im\u00e1genes que son tan precisas, \u00fatiles y fiables, como las de una resonancia magn\u00e9tica est\u00e1ndar. El estudio muestra que el fastMRI puede generar im\u00e1genes de resonancia magn\u00e9tica \u00abequivalentes para el diagn\u00f3stico\u00bb de las lesiones de una rodilla al utilizar un 75% menos de datos sin procesar de la m\u00e1quina de escaneo. De hecho, los radi\u00f3logos expertos que participaron en el estudio no pudieron distinguir las im\u00e1genes generadas por IA de las convencionales. (M\u00e1s detalles est\u00e1n disponibles en el estudio y esta publicaci\u00f3n en el blog de Facebook AI). Avanzando hacia resonancias magn\u00e9ticas m\u00e1s r\u00e1pidas para todos los que las necesitan El estudio cl\u00ednico de hoy es un importante paso, pero hay muchos m\u00e1s 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 \u00f3rganos vitales, como el cerebro. El FastMRI tambi\u00e9n ha publicado sus datos, modelos y c\u00f3digo para que otros investigadores puedan contribuir a su trabajo y aportar nuevas ideas. El equipo del fastMRI espera que este m\u00e9todo abierto acelerar\u00e1 el avance y dar\u00e1 lugar a nuevas formas de utilizar la IA para las exploraciones de resonancia magn\u00e9tica. Adem\u00e1s, dado que hemos compartido nuestros modelos abiertamente, los fabricantes de resonancias electromagn\u00e9ticas son libres de probar fastMRI con sus m\u00e1quinas desde ahora, y acercar r\u00e1pidamente sus resultados en beneficio de los pacientes. Todav\u00eda hay mucho que hacer por fastMRI, pero se acerca el d\u00eda en que las resonancias magn\u00e9ticas aceleradas por Inteligencia Artificial podr\u00e1n beneficiar a millones de personas en todo el mundo.","og_url":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/","og_site_name":"Acerca de Meta","article_published_time":"2020-08-18T15:27:29+00:00","article_modified_time":"2020-08-18T15:42:02+00:00","og_image":[{"width":1024,"height":576,"url":"https:\/\/about.fb.com\/ltam\/wp-content\/uploads\/sites\/14\/2021\/10\/meta-social-16x9-1.jpg?resize=1024,576","type":"image\/jpeg"}],"author":"milenaherreraCO","twitter_card":"summary_large_image","twitter_misc":{"Written by":"Meta","Est. reading time":"8 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/#article","isPartOf":{"@id":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/"},"author":"Facebook company","headline":"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica","datePublished":"2020-08-18T15:27:29+00:00","dateModified":"2020-08-18T15:42:02+00:00","mainEntityOfPage":{"@id":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/"},"wordCount":1596,"publisher":{"@id":"https:\/\/about.fb.com\/ltam\/#organization"},"articleSection":["Innovaci\u00f3n","Inteligencia Artificial","Meta"],"inLanguage":"es"},{"@type":"WebPage","@id":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/","url":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/","name":"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica | Acerca de Meta","isPartOf":{"@id":"https:\/\/about.fb.com\/ltam\/#website"},"datePublished":"2020-08-18T15:27:29+00:00","dateModified":"2020-08-18T15:42:02+00:00","breadcrumb":{"@id":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/"]}],"author":"Acerca de Meta"},{"@type":"BreadcrumbList","@id":"https:\/\/about.fb.com\/ltam\/news\/2020\/08\/la-forma-en-que-la-ia-esta-acelerando-las-imagenes-por-resonancia-magnetica\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/about.fb.com\/ltam\/"},{"@type":"ListItem","position":2,"name":"La forma en que la IA est\u00e1 acelerando las im\u00e1genes por resonancia magn\u00e9tica"}]},{"@type":"WebSite","@id":"https:\/\/about.fb.com\/ltam\/#website","url":"https:\/\/about.fb.com\/news\/","name":"Acerca de Meta","description":"","publisher":{"@id":"https:\/\/about.fb.com\/ltam\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/about.fb.com\/ltam\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es","alternateName":["Meta Newsroom","Meta"]},{"@type":"Organization","@id":"https:\/\/about.fb.com\/ltam\/#organization","name":"Meta","url":"https:\/\/about.fb.com\/ltam\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/about.fb.com\/ltam\/#\/schema\/logo\/image\/","url":"https:\/\/about.fb.com\/ltam\/wp-content\/uploads\/sites\/14\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500","contentUrl":"https:\/\/about.fb.com\/ltam\/wp-content\/uploads\/sites\/14\/2021\/10\/meta-social-16x9-1.jpg?fit=8000%2C4500","width":8000,"height":4500,"caption":"Meta"},"image":{"@id":"https:\/\/about.fb.com\/ltam\/#\/schema\/logo\/image\/"}}]}},"jetpack_featured_media_url":"","jetpack-related-posts":[],"jetpack_sharing_enabled":true,"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/posts\/21847","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/users\/164097050"}],"replies":[{"embeddable":true,"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/comments?post=21847"}],"version-history":[{"count":5,"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/posts\/21847\/revisions"}],"predecessor-version":[{"id":21852,"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/posts\/21847\/revisions\/21852"}],"wp:attachment":[{"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/media?parent=21847"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/categories?post=21847"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/about.fb.com\/ltam\/wp-json\/wp\/v2\/tags?post=21847"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}