Un equipo de investigadores del Instituto de Neurociencias (IN), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad Miguel Hernández (UMH) de Elche, desarrolló una innovadora estrategia basada en inteligencia artificial y simulaciones computacionales que podría reducir drásticamente el tiempo necesario para realizar resonancias magnéticas avanzadas, manteniendo un elevado nivel de precisión diagnóstica.
El estudio, publicado en la revista Communications Medicine, plantea una metodología capaz de disminuir hasta en un 90 % el tiempo requerido para determinadas resonancias cerebrales complejas, permitiendo pasar de procedimientos de aproximadamente 40 minutos a estudios de menos de 10 minutos.
Actualmente, las resonancias magnéticas cerebrales avanzadas requieren la obtención de una gran cantidad de imágenes, lo que obliga a los pacientes a permanecer inmóviles dentro del escáner entre 30 y 60 minutos. Además, muchos sistemas de inteligencia artificial utilizados para procesar estos estudios dependen de enormes bases de datos de pacientes, cuya recopilación puede ser difícil y generar inquietudes relacionadas con la privacidad.
La nueva propuesta cambia este enfoque tradicional. En lugar de entrenar modelos con imágenes reales de pacientes, los investigadores utilizaron simulaciones basadas en principios físicos que reproducen de manera realista el comportamiento del tejido cerebral y las señales obtenidas mediante resonancia magnética.
A partir de estas simulaciones, el equipo entrenó redes neuronales capaces de identificar parámetros específicos que funcionan como biomarcadores del estado del tejido cerebral utilizando un volumen mucho menor de información.
“Reducir el tiempo de adquisición necesario permite incorporar técnicas de resonancia mucho más avanzadas, lo que se traduce en una mayor cantidad de información clínica disponible para el personal médico”, explicó Silvia De Santis, investigadora del CSIC y responsable del laboratorio Biomarcadores de Imaging Traslacional del Instituto de Neurociencias.
Por su parte, el investigador Maximilian Eggl destacó que el uso de simulaciones permite generar grandes cantidades de datos sin depender de pacientes reales y evita problemas relacionados con la privacidad.
Los resultados mostraron que el sistema desarrollado puede alcanzar altos niveles de precisión utilizando apenas un 10 % de los datos normalmente requeridos.
Según los investigadores, este avance podría tener un impacto directo en centros de salud con largas listas de espera, ya que permitiría atender a más pacientes en el mismo tiempo y aumentar la eficiencia de los servicios de diagnóstico por imagen.
Además de mejorar la rapidez de los estudios, la tecnología abre nuevas oportunidades para la detección temprana de enfermedades neurodegenerativas como el alzhéimer, cuya fase inicial puede desarrollarse durante años sin síntomas evidentes.
Los especialistas indicaron que esta herramienta podría proporcionar información más detallada sobre cambios cerebrales tempranos y contribuir a mejorar el diagnóstico precoz de enfermedades neurológicas.
Otra de las ventajas señaladas es la posibilidad de reanalizar resonancias magnéticas realizadas hace décadas, permitiendo extraer nueva información de estudios que anteriormente estaban limitados por las tecnologías disponibles en ese momento.
El proyecto recibió apoyo financiero de diversas instituciones, entre ellas la Fundación “la Caixa”, la Agencia Estatal de Investigación (AEI), la Generalitat Valenciana y la Fundación Pasqual Maragall, entre otras entidades dedicadas a impulsar la investigación científica.
