Nuevo modelo mejora la comparación de RM tomadas en diferentes instituciones

Sin embargo, las inconsistencias en los protocolos de adquisición de imágenes en diferentes instituciones crean desafíos importantes para garantizar una interpretación confiable y consistente, especialmente en la investigación multicéntrica. Para abordar este problema, un nuevo estudio ha introducido un método para modificar las imágenes por RM de diferentes hospitales, lo que las hace más comparables y permite realizar comparaciones más precisas y confiables.

La armonización de los resultados de la resonancia magnética es una cuestión fundamental tanto en la investigación como en la calidad de la atención sanitaria. Cada centro médico, clínica o institución de investigación utiliza su propio conjunto de protocolos, equipos y parámetros de obtención de imágenes, lo que da lugar a variaciones en el contraste, el brillo y otras características de las imágenes. Esta variabilidad supone un gran reto en la investigación clínica, en particular cuando se combinan datos de varios centros de investigación. En un estudio colaborativo dirigido por investigadores de la Universidad de Montreal (Montreal, Canadá), se desarrolló una nueva técnica de armonización que implica tres pasos principales. El primer paso es crear un modelo que aprenda cómo se procesan las imágenes de RM en el dominio de origen.

Una vez que se comprende la distribución del dominio de origen, el siguiente objetivo es "reformatear" las imágenes de RM de otras instituciones para eliminar las variaciones provocadas por diferencias en la configuración de los equipos o la selección de parámetros, manteniendo al mismo tiempo las diferencias específicas de cada paciente. Por último, cuando el modelo se aplica a nuevas imágenes (por ejemplo, de una máquina desconocida), debe adaptarse para garantizar que las imágenes recién procesadas sigan la distribución aprendida. Para validar su enfoque, los investigadores probaron el método de armonización en imágenes de RM cerebral de bases de datos de Estados Unidos, así como de un consorcio de imágenes neonatales desarrollado con investigadores australianos. Estos datos se utilizaron para dos tareas clave: primero, segmentar imágenes cerebrales tanto de adultos como de recién nacidos para verificar si las estructuras cerebrales permanecían consistentes después de la armonización, y segundo, estimar la edad cerebral de los recién nacidos.

El estudio, publicado en Medical Image Analysis, demostró que esta nueva técnica supera a los métodos de armonización existentes, mostrando su versatilidad en diversas tareas y grupos de población. Cabe destacar que el método se validó con éxito en exploraciones de RM del cerebro de un recién nacido con lesiones, algo que todos los demás modelos disponibles no pueden manejar, ya que generalmente se entrenan en imágenes de cerebros sanos. De cara al futuro, los investigadores planean aplicar este enfoque a mayor escala en futuras colaboraciones y estudios, lo que ayudará a mejorar la comparación y el análisis de los datos de investigación y mejorar aún más la precisión y confiabilidad de los diagnósticos médicos.

“Gracias a este modelo, ahora podemos interpretar los datos de varios miles de familias y niños que son monitoreados en varios hospitales, datos que provienen de diferentes escáneres”, dijo el Dr. Gregory Lodygensky, profesor clínico de la Universidad de Montreal. “El análisis de estas grandes cohortes en niños y adultos se vio obstaculizado por el importante problema de armonización, que ahora se ha resuelto”.