Tecnología delimita áreas del cerebro en imágenes médicas

Los investigadores han desarrollado una forma de mejorar la delimitación de los tumores en las imágenes médicas.

Como explicaron los investigadores, de la Universidad Pública de Navarra, NUP/UPNA (España), “cuando un médico decide dónde es que el tejido del tumor debe estar separado de los tejidos sanos, nuestro algoritmo se asegura de que no se vaya a elegir la peor opción, ya que la mejor solución se presenta de forma automática”.

Los hallazgos del estudio fueron presentados por el Grupo de Inteligencia Artificial y Razonamiento Aproximado (GIARA) de la Universidad Pública de Navarra, NUP/UPNA y recibió un premio de la Asociación Europea de Lógica Difusa y Soft Computing (EUSFLAT) durante su reunión bienal (EUSFLAT 2013), realizada en Milán (Italia), en septiembre de 2013.

La investigación se ha centrado en el estudio de imágenes cerebrales obtenidas utilizando resonancia magnética (RM). En concreto, ellos han desarrollado un algoritmo para mejorar el proceso de segmentar las imágenes. “Por medio de la segmentación”, explicó el Dr. Aránzazu Jurío, uno de los investigadores del estudio. “Cada uno de los objetos que componen la imagen se separa y cada píxel se analiza de modo que todos aquellos que comparten las mismas características se considera que forman parte del mismo objeto”.

En el caso de las imágenes médicas, este proceso es crucial para la delimitación de los tumores en donde, si uno está pensando en áreas como las del cerebro, 3 mm de diferencia pueden significar la diferencia entre una cura y dañar las áreas que controlan el habla o la visión.

Para entender cómo funciona el algoritmo desarrollado por los investigadores, el profesor Humberto Bustince, otro investigador del proyecto, mostró el siguiente paralelo: “Supongamos que obtenemos una imagen de un cerebro por resonancia magnética y siete médicos tienen que decidir cómo delimitar el tumor. Por experiencia, sabemos que cada uno de ellos va a separar el tumor de manera diferente. Ahora, con el método propuesto, automáticamente se les presentará una serie de opciones que, en cualquier caso, siempre van a mejorar la que pudiera ser la peor elección de las siete. Tenemos éxito en mejorar la peor decisión: nos las hemos arreglado para asegurar que a pesar de que se tomara la peor opción, se cometerían errores en la menor medida posible”.

Otro de los factores que los especialistas en inteligencia artificial tienen que atender es el de las variaciones en el tiempo, ya que las imágenes médicas varían en el tiempo, en ocasiones en un lapso corto. “Todos estos algoritmos permiten la aplicación en tiempo real, pues lo que puede ser útil para una imagen en un momento dado, puede que ya no lo sea después de un tiempo”, explicó el profesor Bustince.

En este sentido, el Dr. Jurío destacó que “el algoritmo que hemos desarrollado produce una especie de consenso entre las distintas funciones que buscan obtener la mejor solución. Podríamos decir que le evita al experto el proceso de elección, ya que es el algoritmo el que selecciona automáticamente esa función”.

“El problema”, dijo el coautor del estudio, el Dr. Daniel Paternain, “es que para una imagen específica hay una serie de funciones que el experto puede utilizar, pero si elige una función equivocada al hacer la segmentación, el resultado podría ser devastador. Lo que tratamos de resolver es esto: si se elige una función incorrecta, el resultado puede no ser devastador”.


Enlaces relacionados:

Artificial Intelligence and Approximate Reasoning Group

NUP/UPNA-Public University of Navarre