En un artículo programado para ser publicado en la revista Magnetic Resonance in Medicine, investigadores dirigidos por el Dr. Elfar Adalsteinsson, profesor asociado de ingeniería eléctrica y ciencias de la computación y ciencias y tecnología de la salud y el Dr. Vivek Goyal, profesor asociado de ingeniería eléctrica y ciencias de la computación del Instituto de Tecnología de Massachusetts (MIT, Cambridge, MA, EUA) describen un algoritmo que han desarrollado para agilizar el proceso de resonancia magnética. El algoritmo utiliza la información obtenida en la primera exploración de contraste para ayudar a generar las imágenes posteriores. De esta manera, el lector no tiene que empezar desde el principio, cada vez que produce una nueva imagen de los datos originales, sino que ya tiene un esquema básico a partir del cual trabajar, reduciendo considerablemente el tiempo necesario para adquirir cada exploración posterior.

Para elaborar este esquema, el software busca características comunes a todos los diferentes análisis, tales como la estructura anatómica básica. Específicamente, el algoritmo utiliza el primer análisis para predecir la probable posición de los límites entre los diferentes tipos de tejido en los análisis de contraste posteriores. “Teniendo en cuenta los datos de un contraste, obtenemos una cierta probabilidad de que un borde en particular, por ejemplo la periferia del cerebro o los bordes que limitan diferentes compartimentos en el interior del cerebro, estarán en el mismo lugar”, declaró el doctor Adalsteinsson.

Sin embargo, el algoritmo no puede imponer demasiada información de la primera exploración en las subsiguientes, señaló el Dr. Goyal, ya que se arriesgaría a perder las características únicas del tejido reveladas por los diferentes contrastes. “Usted no quiere presuponer demasiado”, dijo. “Así que no se asume, por ejemplo, que el patrón de brillantes y oscuros de una imagen se repetirá en la siguiente imagen, porque de hecho este tipo de patrones de luz y oscuridad a menudo se invierte, y puede revelar propiedades del tejido completamente diferentes”.

Así, para cada píxel, el algoritmo calcula cuál información nueva necesita para construir la imagen y cuáles datos - como los bordes de los diferentes tipos de tejido - puede tomar de los análisis anteriores, de acuerdo con el estudiante de posgrado y autor principal, Berkin Bilgic. El resultado es una imagen de resonancia magnética, obtenida tres veces más rápido, reduciendo el tiempo que los pacientes pasan en el escáner de 45 a 15 minutos. Este tiempo de examen más rápido tiene un impacto leve en la calidad de la imagen, admitió el Sr. Bilgic, pero es mucho mejor que los algoritmos de la competencia.

Los científicos están trabajando para mejorar el algoritmo, acelerando el tiempo que tarda para procesar los datos originales de la imagen en un examen final que puede ser evaluado por los médicos, una vez que el paciente ha salido del equipo de resonancia magnética. Usando procesadores de computadora estándar, este último paso en la actualidad lleva mucho más tiempo que con las imágenes tradicionales por resonancia magnética. Sin embargo, los investigadores creen que pueden reducir este tiempo de cálculo hasta igualar el de las tradicionales imágenes por resonancia magnética usando desarrollos recientes de hardware de computación de la industria de juegos. “Las unidades de procesamiento gráfico o GPU, son órdenes de magnitud más rápidas que los procesadores estándar para ciertas tareas de cómputo, como la tarea particular de cálculo que necesitamos para este algoritmo” dijo el Dr. Adalsteinsson. Un estudiante está trabajando en el laboratorio para implementar el algoritmo en una GPU dedicada, informó.

Dwight Nishimura, director del laboratorio de investigación de sistemas para resonancia magnética de la Universidad de Stanford (Stanford, CA, EUA), declaró que el grupo del Dr. Adalsteinsson ha llevado a cabo una investigación de algoritmos muy notable. “Este trabajo es potencialmente de gran importancia porque se aplica a la rutina clínica de la resonancia magnética, entre otras aplicaciones”, comentó. “En última instancia, su método podría permitir una reducción sustancial en el tiempo del examen”.


Enlace relacionado:

Massachusetts Institute of Technology