La inteligencia artificial puede ayudarnos a bajar el nivel de radiación durante las tomografías computarizadas

Ge Wang et al. / Nature Machine Intelligence, 2019

 

Desarrolladores estadounidenses presentaron un algoritmo que puede mejorar la calidad de las imágenes obtenidas mediante tomografía computarizada (TC), según un reporte publicado en Nature Machine Intelligence. El nuevo método permitiría, al obtener imágenes de mejor calidad que las existentes, reducir en decenas de veces el nivel de radiación durante ​la TC.

La TC es uno de los métodos más populares y efectivos en la medicina moderna. A pesar de que se utiliza en la gran mayoría de exámenes médicos, este método sigue causando ciertas preocupaciones. El mecanismo de la TC se basa los rayos X, que penetra en tejidos de diferentes densidades del cuerpo humano. Debido al uso de rayos X, se corre el riesgo de desarrollar diversas enfermedades bajo la influencia de la radiación.

Aunque aquel riesgo sea estadísticamente pequeño, los científicos están desarrollando métodos para reducir la dosis de rayos X, recibida por una persona  durante la TC. Sin embargo, esos métodos tienen un gran defecto. La reducción del nivel de radiación provoca un empeoramiento de resolución de imagen, incluidos los defectos impredecibles. Debido a esto es muy difícil obtener una imagen completa y correcta, lo cual, a su vez, puede llevar al mal diagnóstico.

 

El aprendizaje automático ofrece nuevas oportunidades en TC

Al mismo tiempo, cuando la dosis de radiación utilizada en la TC se aumenta, la calidad de la imagen mejora. Los científicos, liderados por Ge Wang del Instituto Politécnico Rensselaer de Nueva York decidieron reconstruir la imagen utilizando métodos de aprendizaje automático y desarrollaron un algoritmo basado en la red neuronal. Para entrenar a la red, le mostraron dos imágenes obtenidas mediante la TC. Para obtener la primera, utilizaron una dosis estándar de radiación, y para la segunda la redujeron en diez veces. Tras procesar la imagen con resolución baja, la red consiguió mejorarla poco a poco. Después los científicos mostraron las imágenes al radiólogo profesional que las evaluaba y hacía sugerencias para mejorarlas en el futuro. Así la red neuronal aprendió a reconstruir las imágenes de la TC con gran precisión. 

En su experimento los científicos utilizaron tomogramas de la cavidad abdominal y los pulmones de 60 pacientes. Todas las imágenes, incluso a las de la red neuronal, fueron evaluadas por tres radiólogos. Según los autores del estudio, los expertos estuvieron de acuerdo en que el nuevo método funciona bien y ayuda a deshacerse del ruido y los defectos. Además, utilizando este método, en el futuro los radiólogos podrían localizar tumores y heridas. 

Imágenes obtenidas mediante La red neuronal (DL), reconstrucción regular (IR) y la TC con la dosis estándar de radiación (NDCT). Las flechas rojas indican daño al riñón, las verdes indican fibrosis  pulmonar, y las azulez — enfisema.

Ge Wang et al. / Nature Machine Intelligence, 2019
   
Aunque la efectividad del método propuesto sea más alta que la de los existentes, el algoritmo tiene varias deficiencias momentáneas. Por un lado, solo se utilizó para dos áreas del cuerpo humano: la cavidad abdominal y los pulmones. Para mejorar su trabajo, fue necesario recopilar más datos y entrenar la red neuronal. Por otro lado, en las imágenes procesadas por el algoritmo los radiólogos no pudieron detectar dos de 30 tumores en total en el conjunto de datos. 

Investigadores de diferentes países están continuamente mejorando las técnicas médicas. Recientemente, los japoneses crearon un proyector que convierte una hoja de papel en una pantalla súperestable. Eso les permitió ver las imágenes tomográficas en cualquier superficie inestable. 

 

Yana Berman
Esta noticia ha sido publicada originalmente en N+1, ciencia que suma.

Sobre N+1: Es la primera revista online de divulgación científica y tecnológica que permite la reproducción total o parcial de sus contenidos por medios de comunicación, bloggers e influencers, realizando la mención del texto y el enlace a la web: “Esta noticia ha sido publicada originalmente en la revista N+1, ciencia que sumawww.nmas1.org”.

Suscríbete

Déjanos tu mail para recibir nuestro boletín de noticias

La confirmación ha sido enviada a tu correo.