Técnica de resonancia magnética especializada crea "súper exploraciones" del cerebro

Este proceso implica cuantificar cómo estos tejidos se magnetizan en el campo magnético de un escáner de resonancia magnética. Esta información detallada es crucial para mejorar la comprensión, el diagnóstico y el seguimiento de enfermedades neurológicas como la esclerosis múltiple (EM) y la enfermedad de Alzheimer. Los investigadores ahora han logrado un avance significativo al desarrollar DeepSTI, un nuevo algoritmo que recopila datos de múltiples exploraciones para producir una "súper exploración" integral del cerebro. Esto ofrece información precisa sobre la susceptibilidad del tejido cerebral. Sorprendentemente, DeepSTI requiere menos imágenes y posiciones de la cabeza que las STI convencionales, lo que agiliza el proceso para los pacientes.

Desarrollado por investigadores de la Universidad Johns Hopkins (Baltimore, MD, EUA), este algoritmo crea un mapa tridimensional detallado de la susceptibilidad magnética del cerebro. Su principal avance radica en su capacidad para medir componentes críticos del tejido cerebral, como la mielina y el hierro, con menos exploraciones. Monitorear los cambios en estos tejidos es esencial para caracterizar el tipo, estadio o progresión de las enfermedades neurológicas. Por ejemplo, DeepSTI puede visualizar cambios en la mielina en pacientes con EM utilizando datos de un único escaneo de orientación de la cabeza.

DeepSTI aprovecha el aprendizaje automático, en particular un enfoque conocido como regularización, que reduce la gama de posibles soluciones a las más precisas. El modelo utiliza regularizadores especiales, informados por datos de escaneos previos, para guiarlo hacia reconstrucciones cerebrales óptimas. Estos regularizadores basados en datos llevan el modelo a la solución más plausible para cada nuevo conjunto de escaneo. Este algoritmo mejorado con aprendizaje automático está preparado para hacer de las STI una opción de obtención de imágenes más práctica para médicos y radiólogos al reducir la duración de la exploración y mejorar la calidad de la imagen.

"Por lo general, las imágenes de STI requieren al menos seis exploraciones diferentes en diferentes orientaciones de la cabeza para lograr una buena reconstrucción, y esa es principalmente la razón por la que actualmente no se usa ampliamente a pesar de su potencial para comprender el cerebro humano", dijo el autor principal Jeremias Sulam, profesor asistente de Ingeniería Biomédica. "Nuestras reconstrucciones asistidas por IA amplían enormemente la cantidad de información útil que se puede obtener y al mismo tiempo requieren muchos menos datos, y esperamos que ayuden a trasladar esta técnica de imágenes del laboratorio a la clínica".

Enlaces relacionados:
Universidad Johns Hopkins