Los investigadores están utilizando inteligencia artificial para reducir la dosis de un agente de contraste que puede quedar en el cuerpo después de los exámenes de resonancia magnética, según un estudio presentado hoy en la reunión anual de la Sociedad Radiológica de América del Norte RSNA.
El gadolinio es un metal pesado utilizado como material de contraste que mejora las imágenes en la resonancia magnética. Estudios recientes han encontrado que pequeñas cantidades del metal permanecen en los cuerpos de las personas que se han sometido a exámenes con ciertos tipos de gadolinio. Los efectos de esta deposición no sonconocido, pero los radiólogos están trabajando de manera proactiva para optimizar la seguridad del paciente al tiempo que preservan la información importante que proporcionan las imágenes de resonancia magnética mejoradas con gadolinio.
"Existe evidencia concreta de que los depósitos de gadolinio en el cerebro y el cuerpo", dijo el autor principal del estudio, Enhao Gong, Ph.D., investigador de la Universidad de Stanford en Stanford, California. "Si bien las implicaciones de esto no están claras, mitigan al paciente potencialriesgos mientras se maximiza el valor clínico de los exámenes de resonancia magnética es imprescindible "
El Dr. Gong y sus colegas de Stanford han estado estudiando el aprendizaje profundo como una forma de lograr este objetivo. El aprendizaje profundo es una técnica sofisticada de inteligencia artificial que enseña a las computadoras con ejemplos. Mediante el uso de modelos llamados redes neuronales convolucionales, la computadora no solo puedereconocer imágenes pero también encontrar diferencias sutiles entre los datos de imágenes que un observador humano podría no ser capaz de discernir.
Para entrenar el algoritmo de aprendizaje profundo, los investigadores utilizaron imágenes de resonancia magnética de 200 pacientes que habían recibido exámenes de resonancia magnética con contraste para una variedad de indicaciones. Recolectaron tres conjuntos de imágenes para cada paciente: escaneos previos al contraste, realizados antes del contrasteadministración y denominadas exploraciones de dosis cero; exploraciones de dosis baja, adquiridas después del 10 por ciento de la administración de dosis estándar de gadolinio; y exploraciones de dosis completa, adquiridas después de la administración de dosis del 100 por ciento.
El algoritmo aprendió a aproximar los escaneos de dosis completa de las imágenes de dosis cero y dosis bajas. Los neurorradiólogos evaluaron las imágenes para mejorar el contraste y la calidad general.
Los resultados mostraron que la calidad de la imagen no era significativamente diferente entre las imágenes de MR con dosis bajas y algoritmo mejorado y las imágenes de MR con dosis completa y contraste mejorado. Los resultados iniciales también demostraron el potencial para crear el equivalente de dosis completa, imágenes MR con contraste sin ningún uso de agente de contraste.
Según el Dr. Gong, estos hallazgos sugieren el potencial del método para reducir drásticamente la dosis de gadolinio sin sacrificar la calidad del diagnóstico.
"Las imágenes de gadolinio en dosis bajas producen información clínicamente útil sin explotar que es accesible ahora mediante el aprendizaje profundo y la IA", dijo.
Ahora que los investigadores han demostrado que el método es técnicamente posible, quieren estudiarlo más a fondo en el entorno clínico, donde el Dr. Gong cree que finalmente encontrará un hogar.
La investigación futura incluirá la evaluación del algoritmo en una gama más amplia de escáneres de resonancia magnética y con diferentes tipos de agentes de contraste.
"No estamos tratando de reemplazar la tecnología de imagen existente", dijo el Dr. Gong. "Estamos tratando de mejorarla y generar más valor a partir de la información existente mientras cuidamos la seguridad de nuestros pacientes".
Fuente de la historia :
Materiales proporcionados por Sociedad Radiológica de América del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Cita esta página :