Varios investigadores de Facebook se han unido a médicos y expertos en imágenes médicas del NYU Langone Health (Estados Unidos) que están usando la inteligencia artificial (IA) para trabajar en la iniciativa 'fastMRI', un proyecto de investigación cuyo objetivo es reducir drásticamente (a tan solo unos minutos) el tiempo que se tarda en hacer una resonancia magnética, con la ayuda de inteligencia artificial.

Según explica Facebook en un comunicado, este estudio clínico, que se publicará en la revista 'American Journal of Roentgenology', ha confirmado que las imágenes aceleradas por IA tienen la misma precisión diagnóstica que las resonancias magnéticas tradicionales. De hecho, los expertos radiólogos que participaron en el estudio no pudieron distinguir las imágenes aceleradas por IA de las convencionales.

Las resonancias magnéticas suelen ser la mejor herramienta para diagnosticar problemas en los órganos, músculos y otros tejidos blandos. Pero, incluso con los recientes avances, el escáner tarda mucho tiempo en reunir los datos necesarios. El proceso es incómodo para cualquier paciente y puede ser hasta inviable para los más pequeños o los enfermos graves. El proyecto 'fastMRI' ayudará a que en un futuro, las personas solo necesiten permanecer en el tubo del escáner unos pocos minutos.

El estudio se centró específicamente en las exploraciones de rodilla, y ahora están trabajando para ampliar los resultados a otras partes del cuerpo. "Este es un paso importante hacia la aceptación clínica y la utilización de las resonancias magnéticas aceleradas", asegura el doctor Michael P. Recht, profesor de Louis Marx y presidente de Radiología de NYU Langone Health.

El equipo utilizó una forma completamente diferente de crear una imagen, una que requiere mucho menos datos en bruto. Los investigadores construyeron una red neuronal y la entrenaron usando el conjunto de datos de código abierto más grande del mundo de resonancias magnéticas de rodilla, que fue creado y compartido por NYU Langone Health como parte de la iniciativa.

El equipo de investigación eliminó aproximadamente tres cuartas partes de los datos en bruto en cada escaneo y luego introdujo la información restante en el modelo de IA. El modelo aprendió así a generar imágenes completas a partir de datos reducidos. Además, las imágenes creadas por el modelo de IA no solo se parecían a las resonancias magnéticas genéricas, sino que las imágenes generadas por IA coincidían con la imagen creada por el proceso estándar de resonancia magnética más lenta.

La aproximación de 'fastMRI' es diferente a cualquier otro intento de aplicar IA en la medicina. A menudo, estos algoritmos suelen automatizar la revisión de imágenes médicas para determinar problemas potenciales, de la misma manera que lo haría un médico. En cambio, 'fastMRI' no intenta realizar el trabajo de los expertos médicos, sino que crea imágenes a partir de información limitada.