Así es el algoritmo de Facebook que quiere democratizar las resonancias magnéticas

Las ventajas de las resonancias magnéticas son claras, no son radiactivas, las imágenes dan un gran detalle y muestran los tejidos blandos. El problema es que el tiempo necesario para hacer una resonancia magnética completa puede estar entre 15 minutos y una hora; lo que la elimina como opción en operaciones de urgencia, y lo convierte en un recurso escaso y de acceso limitado. El tiempo que lleva tomar una resonancia magnética también dificulta que personas con ciertas patologías o niños, que no pueden permanecer quietos durante tanto tiempo esperando a que termine todo el proceso, puedan utilizarlas como imagen de diagnóstico. De todas maneras, para cualquier paciente tomar una resonancia magnética es un proceso claustrofóbico y ruidoso, nada agradable.

La solución para acortar el tiempo que dura una resonancia hasta ahora había sido eliminar precisión y simplificar algunas partes de la toma de datos, perdiendo información. Usando inteligencia artificial, al igual que se comprime un fichero, el equipo conformado por Facebook y NYU Langore Health han conseguido crear una imagen con sólo el 25% de la información .

«Hemos pasado décadas intentando hacer más rápido el MRI sacrificando resolución, menos vistas o detalle», explica el doctor Michael Recht, profesor y presidente del Departamento de Radiología de la NYU Langone Health.

La inteligencia artificial ha dado grandes pasos usando redes generativas antagónicas para crear imágenes nuevas, desde flores a caras que el año pasado fueron noticia en todo el mundo. Si les damos un cuarto de una resonancia magnética a estas redes, son capaces de «adivinar» el resto de la información de forma precisa. «Lo más complicado es que los radiologistas confíen en FastMRI», dice Larry Zitnick científico investigador en Facebook AI Research.

Durante el estudio, usando grandes cantidades de imágenes de MRI suministradas por NYU Langone Health, Facebook asegura que ha conseguido demostrar que los FastMRIs son tan buenos como los originales y consiguen diagnosticar de la misma forma , pero en una cuarta parte del tiempo. Los médicos recibían la imagen tradicional y la que creada con FastMRI y tenían que indicar cuál era cuál, siendo incapaces de diferenciarlas, incluso en algunos casos las imágenes FastMRI les parecían de mejor calidad.

«La idea no es mejorar lo que ya hacen los médicos que es diagnosticar, sino darles nuevas posibilidades con nuevas herramientas», apunta el doctor Daniel Sodickson, vicepresidente de investigación en el departamento de radiología de NYU Langone Health.

Los rayos x son el instrumento de diagnóstico por imagen más utilizado en el mundo, porque es rápido y barato, pero tiene varios contratiempos, no es capaz de mostrar tejidos blandos, como una rotura de ligamentos, y además es radiactivo, por lo tanto puede resultar nocivo.

Las redes generativas antagónicas tienen varias medidas de seguridad para saber que la imagen tomada es realmente una resonancia magnética correcta, ya que contrastan que la imagen es normal, es decir, la que se obtendría por un sistema tradicional, y que si la imagen es de una rodilla, ésta esté ahí.

FastMRI cambiaría el paradigma de cómo se toman las imágenes para diagnóstico médico. Por ejemplo, no se usan las resonancias magnéticas para diagnosticar un ataque al corazón porque no es práctico debido a su lentitud, pero la información que proporcionaría sería mucho mejor, y más precisa en el caso de que hubiera que realizar una operación.

Este algoritmo, al igual que otros proyectos de IA de los laboratorios de investigación de Facebook es de código abierto y se encuentra a disposición de la comunidad de desarrolladores en Github . De esa manera cualquier empresa fabricante de máquinas de imagen de diagnóstico podría incorporar o adaptar FastMRI en ellas o mejorar el código existente.