Dos investigadors de l’Institut de Neurociències han desenrotllat una estratègia basada en intel·ligència artificial
que reduïx de manera dràstica el temps i la quantitat de dades necessàries per a realitzar ressonàncies magnètiques cerebrals avançades, al mateix temps que manté la precisió en la informació obtinguda.
El treball, publicat en la revista Communications Medicine, descriu un mètode capaç de retallar fins a un 90 per cent el temps requerit en determinades exploracions sense perdre detall en les imatges. Este salt en eficiència obri la porta a una neuroimatgeria més ràpida, accessible i fàcil d’integrar en la pràctica clínica diària, on els temps d’exploració condicionen tant l’agenda dels equips mèdics com l’experiència dels pacients.
A diferència d’altres enfocaments d’intel·ligència artificial que s’entrenen a partir de grans bases de dades reals de pacients, este estudi proposa un canvi de paradigma. L’equip ha triat alimentar els seus models amb simulacions generades mitjançant un model físic del procés de difusió en el teixit cerebral. És a dir, en lloc de dependre d’imatges clíniques ja adquirides, recreen de manera virtual com es comporten les molècules d’aigua en el cervell durant una ressonància de difusió.
Este enfocament permet produir tantes dades sintètiques com siguen necessàries per a entrenar a la IA sense les limitacions habituals de disponibilitat de pacients o de qualitat desigual de les imatges clíniques. A més, en treballar amb simulacions controlades, s’eviten directament els problemes de privacitat i protecció de dades que sorgixen quan es manegen historials mèdics reals.
Reducció del temps d’escaneig
En la pràctica clínica, la principal conseqüència d’este avanç seria la reducció del temps d’escaneig. Els investigadors expliquen que una exploració avançada que ara pot prolongar-se al voltant de 40 minuts podria passar a durar uns 8, mantenint la mateixa informació rellevant per al diagnòstic. Esta disminució del temps dins de l’escàner facilita l’experiència del pacient, especialment en persones majors o amb dificultats per a romandre immòbils durant llargs períodes.
En acurtar tant la duració de les proves, els hospitals podrien augmentar de manera notable el nombre de pacients atesos en la mateixa franja horària, optimitzant l’ús dels equips de ressonància i els recursos humans associats. En un context en el qual les llistes d’espera i la pressió assistencial són un repte constant, una millora d’este tipus pot traduir-se en diagnòstics més àgils i en una millor planificació de les exploracions.
Els autors destaquen també que esta estratègia basada en models físics i simulacions obri noves possibilitats en l’estudi de malalties neurodegeneratives com l’alzheimer, caracteritzades per una fase preclínica molt prolongada, que pot abastar fins a dos dècades sense símptomes visibles. Comptar amb tècniques de neuroimatgeria més ràpides i precises resulta clau per a detectar canvis subtils en el cervell abans que apareguen les manifestacions clíniques.
En este context, una ressonància magnètica de difusió més eficient podria afavorir la realització d’estudis de seguiment en poblacions àmplies, permetent repetir exploracions amb major freqüència i detectar a temps alteracions primerenques. D’esta manera, la combinació d’intel·ligència artificial i models físics no sols millora la logística de les proves, sinó que també reforça el potencial de la neuroimatgeria com a ferramenta fonamental en la investigació i l’abordatge primerenc de trastorns cerebrals.
