Nuevo método combina aprendizaje profundo y física para reparar resonancias magnéticas dañadas por movimiento

La resonancia magnética (RM) es conocida por su capacidad superior para proporcionar un contraste de tejidos blandos de alta calidad, lo que la convierte en una opción preferida sobre otras técnicas de imágenes como rayos X o tomografías computarizadas. Sin embargo, uno de los desafíos de la resonancia magnética es su extrema sensibilidad incluso hasta los movimientos más pequeños, lo que genera artefactos en la imagen. Estos artefactos pueden oscurecer detalles esenciales, poniendo a los pacientes en riesgo de ser diagnosticados erróneamente o de recibir un tratamiento incorrecto. El proceso de una exploración por resonancia magnética varía en duración, desde unos minutos hasta una hora entera, dependiendo de las imágenes específicas requeridas. Incluso durante los escaneos más rápidos, los movimientos menores pueden distorsionar enormemente la imagen resultante. Mientras que en las imágenes típicas de una cámara, el movimiento produce un desenfoque localizado, el movimiento durante una exploración por resonancia magnética puede causar artefactos que dañan toda la imagen. A algunos pacientes se les puede anestesiar o pedirles que controlen su respiración para minimizar el movimiento, pero estas soluciones no siempre son factibles, especialmente en poblaciones específicas como niños o pacientes con trastornos psiquiátricos.

Investigadores del MIT (Cambridge, MA, EUA) han afrontado este desafío mediante la creación de un novedoso modelo de aprendizaje profundo que puede corregir el movimiento en exploraciones por resonancia magnética del cerebro. Este método combina modelado basado en la física con técnicas de aprendizaje profundo, lo que permite la construcción de una imagen libre de movimiento a partir de datos corruptos, sin la necesidad de alterar el proceso de escaneo real. La brillantez de este método combinado es su capacidad para garantizar la coherencia entre la imagen producida y las medidas físicas reales de lo que se representa. Si no se mantiene este equilibrio, el modelo podría crear "alucinaciones": imágenes que parecen realistas pero que son física y espacialmente incorrectas. Esto podría conducir a diagnósticos aún más engañosos. La aplicación de una resonancia magnética libre de artefactos de movimiento no sólo mejoraría los resultados de los pacientes sino que también tiene implicaciones de amplio alcance, especialmente para pacientes con trastornos neurológicos que causan movimientos involuntarios, como la enfermedad de Alzheimer o de Parkinson.

El impacto de los artefactos de movimiento no se limita únicamente al diagnóstico del paciente. Un estudio anterior estimó que los problemas relacionados con el movimiento afectan al 15 % de las resonancias magnéticas del cerebro, lo que lleva a exploraciones repetidas o sesiones de imágenes prolongadas. Esta necesidad de volver a obtener imágenes se traduce en mayores costos hospitalarios por escáner. Los investigadores creen que su innovación podría ampliarse aún más. Las investigaciones futuras podrían profundizar en tipos más complejos de movimiento de la cabeza o explorar desafíos relacionados con el movimiento en otras partes del cuerpo. Por ejemplo, la resonancia magnética fetal, que enfrenta el problema del movimiento rápido e impredecible, requiere un método que va más allá de simples traslaciones y rotaciones. El desarrollo de un método de corrección del movimiento para resonancias magnéticas cerebrales marca un avance significativo en imágenes médicas que puede mejorar la precisión del diagnóstico y reducir los costos de atención médica.

Enlaces relacionados:
MIT

Visitar la expo >

Ultrasound-Guided Biopsy & Visualization Tools

Endoscopic Ultrasound (EUS) Guided Devices

3T MRI Scanner

MAGNETOM Cima.X

Multi-Use Ultrasound Table

Clinton

New

High-Precision QA Tool

DEXA Phantom