Inteligencia artificial genera imágenes de tomografía computarizada usando imágenes de resonancia magnética

El equipo, dirigido por el doctor Kim Hyung-min del Centro de Investigación Biónica de KIST, espera que la tecnología ayude en gran medida a los hospitales a realizar ecografías transcraneales enfocadas solo con resonancia magnética.

Según el equipo, el ultrasonido enfocado transcraneal es una tecnología que puede tratar los trastornos degenerativos del movimiento, el dolor intratable y los trastornos mentales al administrar energía de ultrasonido a un área específica del cerebro sin abrir el cráneo.

“Al utilizar este método, los médicos deben utilizar el tratamiento con tecnología basada en imágenes para localizar exactamente la lesión cerebral“, dijo el equipo.

“Por lo tanto, la información sobre el cráneo del paciente, que es difícil de identificar solo con la resonancia magnética, los médicos usaban convencionalmente la tomografía computarizada junto con la resonancia magnética para enfocar con precisión la ecografía a través del cráneo en la lesión cerebral.

Sin embargo, había preocupaciones sobre la seguridad de las tomografías computarizadas, que requieren exposición frecuente a radiación“.

Como solución, el equipo señaló que se habían realizado esfuerzos para obtener información del cráneo a partir de imágenes de resonancia magnética.

Sin embargo, dicho proceso requería un equipo especial de bobina de resonancia magnética o tecnología de imágenes que no se usa ampliamente en el campo médico.

Para resolver este problema, el equipo del doctor Kim demostró que es posible realizar un ultrasonido enfocado transcraneal con MRI solo usando esta tecnología.

En el desarrollo de la plataforma de inteligencia artificial, el equipo utilizó una red generativa adversaria condicional 3D que aprende el proceso de transformación de TC no lineal a partir de imágenes de resonancia magnética ponderadas en T1, una de las imágenes más utilizadas en el campo médico.

Posteriormente, idearon una función de pérdida que minimizó el error de variación de pixeles de la unidad Hounsfield de las imágenes de TC y optimizó el rendimiento de la red neuronal al comparar los cambios de calidad de las TC sintéticas de acuerdo con los métodos de normalización de las señales de imagen de resonancia magnética.

“Al utilizar nuestro sistema de inteligencia artificial, los pacientes pueden recibir un tratamiento de ultrasonido enfocado sin preocuparse por la exposición a la radiación, y esperamos que la tecnología también reduzca ese tiempo y los costos económicos al simplificar el proceso de trabajo del personal médico al omitir el proceso de tomar y alinear imágenes adicionales.”, Dijo el doctor Kim.

Al realizar investigaciones de seguimiento para comprender la tasa de error de acuerdo con los parámetros y transductores de ultrasonido y la posibilidad de aplicar AI CT a varias partes del cuerpo, el equipo planea expandir la aplicación de la plataforma a varias tecnologías de tratamiento, agregó Kim.

Fuente: IEEE Journal of Biomedical and Health informatics