Un nuevo sistema de IA analiza resonancias magnéticas cerebrales en segundos

Un innovador sistema de inteligencia artificial (IA) desarrollado por investigadores de la Universidad de Michigan logró interpretar resonancias magnéticas (RM) del cerebro en cuestión de segundos. Este avance permite identificar una amplia gama de condiciones neurológicas y determinar cuáles requieren atención médica urgente. Según el estudio, el modelo alcanzó una precisión de hasta el 97.5%, superando a otras herramientas de IA avanzadas.

La investigación, publicada en Nature Biomedical Engineering, destacó que esta tecnología podría transformar la forma en que se manejan las imágenes cerebrales en los sistemas de salud de Estados Unidos. "Con la creciente demanda de resonancias magnéticas que ejercen una presión significativa sobre nuestros médicos y sistemas de salud, nuestro modelo de IA tiene el potencial de reducir esa carga al mejorar el diagnóstico y tratamiento con información rápida y precisa", afirmó el Dr. Todd Hollon, neurocirujano en U-M Health y profesor asistente de neurocirugía en la facultad de medicina de la universidad.

El sistema, llamado Prima, fue evaluado durante un año utilizando más de 30,000 estudios de RM. En más de 50 diagnósticos radiológicos diferentes relacionados con trastornos neurológicos importantes, Prima mostró un rendimiento diagnóstico superior al de otros modelos de IA avanzados. Además de identificar enfermedades, el sistema demostró su capacidad para priorizar casos que requieren atención más urgente.

Condiciones neurológicas como los accidentes cerebrovasculares y las hemorragias cerebrales requieren atención médica inmediata. En estos casos, Prima puede alertar automáticamente a los proveedores de atención médica para que se tomen medidas rápidamente. El sistema está diseñado para notificar al subespecialista más adecuado, como un neurólogo especializado en accidentes cerebrovasculares o un neurocirujano, proporcionando retroalimentación inmediata después de que un paciente completa la imagen.

El Dr. Yiwei Lyu, coautor del estudio y becario postdoctoral en Ciencias de la Computación e Ingeniería en U-M, subrayó la importancia de la precisión y la rapidez en el proceso. "La precisión es fundamental al leer una RM cerebral, pero los tiempos de respuesta rápidos son críticos para un diagnóstico oportuno y una mejoría en los resultados", indicó.

Prima se clasifica como un modelo de lenguaje visual (VLM), un tipo de IA que puede procesar imágenes, videos y texto en tiempo real. Aunque la IA ya se había aplicado previamente al análisis de RM, los investigadores señalaron que Prima adopta un enfoque diferente. Modelos anteriores se entrenaron en subconjuntos cuidadosamente seleccionados de datos de RM y se diseñaron para realizar tareas específicas, como identificar lesiones o estimar el riesgo de demencia. Prima, en cambio, se entrenó en un conjunto de datos mucho más amplio.

El equipo de Hollon utilizó cada RM disponible desde que los registros de radiología fueron digitalizados en U-M Health, lo que incluyó más de 200,000 estudios de RM y 5.6 millones de secuencias de imágenes. El modelo también incorporó las historias clínicas de los pacientes y los motivos por los cuales los médicos ordenaron cada estudio de imagen.

"Prima funciona como un radiólogo al integrar información sobre la historia médica del paciente y los datos de imagen para producir una comprensión integral de su salud", afirmó Samir Harake, coautor del estudio y científico de datos en el laboratorio de Aprendizaje Automático en Neurocirugía de Hollon.

Con millones de resonancias magnéticas realizadas anualmente en todo el mundo, muchas de ellas centradas en enfermedades neurológicas, los investigadores advirtieron que la demanda de estos estudios crece más rápido que la disponibilidad de servicios de neurorradiología. Este desbalance ha contribuido a escasez de personal, retrasos en diagnósticos y errores. Dependiendo de dónde un paciente reciba una RM, los resultados pueden tardar días o incluso más en ser devueltos.

El Dr. Vikas Gulani, coautor y presidente del Departamento de Radiología en U-M Health, enfatizó la necesidad de tecnologías innovadoras para mejorar el acceso a los servicios de radiología, independientemente de si se recibe un escaneo en un sistema de salud más grande o en un hospital rural con recursos limitados.

A pesar de que Prima mostró un rendimiento sólido, los investigadores enfatizaron que el trabajo aún se encuentra en una fase temprana de evaluación. Las investigaciones futuras se centrarán en incorporar información más detallada del paciente y datos de registros médicos electrónicos para mejorar aún más la precisión del diagnóstico. Este enfoque refleja cómo los radiólogos y médicos interpretan las RM y otros estudios de imagen en entornos clínicos reales.

El Dr. Hollon describió a Prima como "ChatGPT para imágenes médicas", notando que una tecnología similar podría adaptarse eventualmente para otros tipos de imágenes, incluyendo mamografías, radiografías de tórax y ultrasonidos. "Al igual que las herramientas de IA pueden ayudar a redactar un correo electrónico o proporcionar recomendaciones, Prima busca ser un copiloto para interpretar estudios de imagen médica", concluyó.

Autores adicionales: Asadur Chowdury, M.S., Soumyanil Banerjee, M.S., Rachel Gologorsky, Shixuan Liu, Anna-Katharina Meissner, M.D., Akshay Rao, Chenhui Zhao, Akhil Kondepudi, Cheng Jiang, Xinhai Hou, Rushikesh S. Joshi, M.D., Volker Neuschmelting, M.D., Ashok Srinivasan, M.D., Dawn Kleindorfer, M.D., Brian Athey, Ph.D., Aditya Pandey, M.D., y Honglak Lee, Ph.D., todos de la Universidad de Michigan.

Financiamiento/divulgaciones: Este trabajo fue apoyado en parte por el Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares (K12NS080223) de los Institutos Nacionales de Salud. El contenido es responsabilidad exclusiva de los autores y no necesariamente representa las opiniones oficiales del NIH. Este trabajo también fue apoyado por la Iniciativa Chan Zuckerberg (CZI), el Instituto Frankel para la Salud del Corazón y el Cerebro, el Fondo de Investigación del Cerebro de Mark Trauner, la Fundación Zenkel, la Fundación Ian's Friends y el programa de premios de investigadores de salud de precisión de la UM.