La inteligencia artificial permite que las pruebas de resonancia magnética duren menos

Share on twitter
Share on facebook
Share on linkedin
Share on email
Share on print
Share on twitter
Share on facebook
Share on linkedin
Share on whatsapp
Share on email
SONY DSC

CC: Jan Ainali

Un proyecto conjunto de la división de inteligencia artificial (IA) de Facebook y la Universidad de Nueva York ha logrado acelerar las pruebas de diagnóstico con imagen por resonancia magnética (RM). Esto supone ahorro de recursos y menos molestias para los pacientes.

La RM funciona con un campo magnético y ondas de radio. Se emplea en especial para explorar el cerebro y la médula espinal, y también para detectar tumores en otros órganos. Frente a la tomografía axial computarizada (TAC), tiene la ventaja de que no emite rayos X, sino una radiación inocua.

A cambio, la RM tarda más en obtener la imagen: entre 20 minutos y una hora, como el doble de la TAC. Como los aparatos de RM –al igual que los de TAC– son tan caros, la mayor duración de las pruebas dificulta amortizarlos, además de que genera listas de espera más largas. Y supone una molestia adicional para el paciente, que debe permanecer inmóvil durante la prueba entera. Algunas personas no resisten la ansiedad o –si se usa un aparato de tubo cerrado– la claustrofobia, y necesitan sedación.

Los autores del experimento, publicado en el American Journal of Roentgenology, lograron imágenes de rodilla mediante RM en solo cinco minutos. Esto supone una velocidad tres veces y media mayor que la de la RM actual. Para comprobar la calidad de las imágenes, tomaron otras con el método convencional y sometieron todas al examen de seis médicos expertos, que no fueron capaces de distinguir unas de otras.

Lograr resultados con menos datos, como en este experimento, es un reto de la inteligencia artificial

La clave de la aceleración está en que los investigadores obtuvieron las imágenes con menos datos. La RM las compone a partir de una ingente multitud de señales, que provoca con el campo magnético y con las ondas, y que dan la situación de los átomos de hidrógeno presentes en la zona que se explora. Aquí entra Facebook, cuya división de IA no se ocupa solo de intentar reconocer automáticamente los bulos en la red social. Usando técnicas de deep learning (DL), entrenó al programa de IA para producir imágenes de RM sin necesidad de tantas señales.

Un progreso para la inteligencia artificial

Este es un progreso para la medicina y también para la misma IA. Los procedimientos como el DL han hecho avanzar mucho la IA a partir de tres elementos: la gigantesca cantidad de datos disponibles gracias a Internet y los teléfonos móviles, la mayor potencia de las computadoras para digerirlos, y la mejora de los algoritmos para encontrar relaciones entre ellos. Así, los sistemas de DL echan a andar y “aprenden solos”.

Pero esto supone a la vez una importante limitación, advierten distintos especialistas (ver Las promesas de la inteligencia artificial). Depender de una enormidad de datos significa en realidad que el DL tiene un rendimiento bajo y, por eso, exige un poder de computación también colosal. El reto es tener un DL con más “inteligencia” y menos “digestión”, y eso es lo que se ha conseguido en este caso. Falta que el nuevo método de RM se consolide y pueda ser aprobado para usarlo en la práctica clínica, lo que normalmente exigirá algunos años.

La IA se emplea desde hace tiempo en medicina. Según la panorámica ofrecida por un artículo publicado por The Lancet Global Health en mayo pasado, se está aplicando en cuatro campos: diagnóstico (como en el experimento descrito, o –más a menudo– para interpretar radiografías o análisis), estimación del riesgo de morbilidad y mortalidad en una población, predicción y vigilancia de brotes epidémicos, y planificación de la atención sanitaria. Y en esos ámbitos ya ha empezado a servir a la sanidad de los países en desarrollo, que es el centro de interés del artículo.

newsletter
cabecera_aceprensa

Reciba semanalmente por correo electrónico nuestros titulares