La inteligencia artificial puede mejorar la calidad de la imagen optoacústica, según informan los investigadores.
Esta técnica de imagen médica relativamente joven puede utilizarse en aplicaciones como la visualización de vasos sanguíneos, el estudio de la actividad cerebral, la caracterización de lesiones cutáneas y el diagnóstico del cáncer de mama. Sin embargo, la calidad de las imágenes generadas depende en gran medida del número y la distribución de los sensores que utiliza el dispositivo: cuantos más haya, mejor es la calidad de la imagen.
El nuevo enfoque permite reducir sustancialmente el número de sensores sin renunciar a la calidad de la imagen resultante. Esto hace posible reducir el coste del dispositivo, aumentar la velocidad de obtención de imágenes o mejorar el diagnóstico.
¿Qué es la imagen optoacústica?
La optoacústica se parece en algunos aspectos a la ecografía. En esta, una sonda envía ondas ultrasónicas al interior del cuerpo, que el tejido refleja. Los sensores de la sonda detectan las ondas sonoras que regresan y generan una imagen del interior del cuerpo. La imagen optoacústica, en cambio, envía pulsos láser muy cortos al tejido, donde son absorbidos y convertidos en ondas ultrasónicas. De forma similar a la ecografía, los investigadores pueden entonces detectar las ondas y convertirlas en imágenes.
El equipo buscó una forma de mejorar la calidad de imagen de los dispositivos optoacústicos de bajo coste que solo poseen un pequeño número de sensores ultrasónicos.
Para ello, empezaron utilizando un escáner optoacústico de gama alta desarrollado por ellos mismos, con 512 sensores, que proporcionaba imágenes de calidad superior. Hicieron que una red neuronal artificial analizara las imágenes, y esta aprendió las características de las imágenes de alta calidad.
A continuación, los investigadores descartaron la mayoría de los sensores, de modo que solo quedaron 128 o 32, con un efecto perjudicial en la calidad de la imagen. Debido a la falta de datos, aparecieron en las imágenes distorsiones conocidas como artefactos de tipo estría. Sin embargo, resultó que la red neuronal previamente entrenada podía corregir en gran medida estas distorsiones, acercando así la calidad de la imagen a las mediciones obtenidas con los 512 sensores.
En la optoacústica, la calidad de la imagen aumenta no solo con el número de sensores que utilizan los investigadores, sino también cuando captan información desde el mayor número posible de direcciones: cuanto mayor sea el sector en el que los investigadores disponen los sensores alrededor del objeto, mejor es la calidad. El algoritmo de aprendizaje automático también tuvo éxito al mejorar la calidad de las imágenes que los investigadores registraron desde un sector muy limitado.
«Esto es especialmente importante para las aplicaciones clínicas, ya que los pulsos láser no pueden penetrar en todo el cuerpo humano, por lo que la región que se obtiene en imagen normalmente solo es accesible desde una dirección», según Daniel Razansky, catedrático de imagen biomédica de la Universidad de Zúrich y del ETH Zúrich.
La mano amiga de la IA
Los científicos subrayan que su enfoque no se limita a la imagen optoacústica. Dado que el método opera sobre las imágenes reconstruidas, y no sobre los datos brutos registrados, también es aplicable a otras técnicas de imagen.
«Básicamente, se puede utilizar la misma metodología para producir imágenes de alta calidad a partir de cualquier tipo de datos dispersos», afirma Razansky. Explica que los médicos a menudo se enfrentan al reto de interpretar imágenes de mala calidad de los pacientes. «Demostramos que dichas imágenes pueden mejorarse con métodos de IA, lo que facilita alcanzar diagnósticos más precisos».
Para Razansky, este trabajo de investigación es un buen ejemplo de cómo los científicos pueden utilizar los métodos existentes de inteligencia artificial.
«Mucha gente cree que la IA podría reemplazar a la inteligencia humana. Esto probablemente está exagerado, al menos en lo que respecta a la tecnología de IA disponible actualmente», afirma. «No puede reemplazar la creatividad humana, pero puede liberarnos de algunas tareas laboriosas y repetitivas».
En su investigación actual, los científicos utilizaron un dispositivo de tomografía optoacústica adaptado a animales pequeños y entrenaron los algoritmos de aprendizaje automático con imágenes de ratones. El siguiente paso será aplicar el método a las imágenes optoacústicas de pacientes humanos, según Razansky.
No son necesarios agentes de contraste
A diferencia de la optoacústica (también conocida como fotoacústica), muchas técnicas de imagen, como la ecografía, los rayos X o la resonancia magnética, son principalmente adecuadas para visualizar alteraciones anatómicas en el cuerpo. Para obtener información funcional adicional, por ejemplo sobre el flujo sanguíneo o los cambios metabólicos, los médicos deben administrar al paciente agentes de contraste o trazadores radiactivos antes de la exploración.
En cambio, el método optoacústico puede visualizar información funcional y molecular sin introducir agentes de contraste. Un ejemplo son los cambios locales en la oxigenación del tejido, un importante indicador del cáncer que puede ser útil para el diagnóstico precoz. El contenido de lípidos en los vasos sanguíneos es otro posible marcador de enfermedad, que puede ayudar a la detección temprana de enfermedades cardiovasculares.
Cabe señalar, sin embargo, que, dado que las ondas de luz utilizadas en la imagen optoacústica, a diferencia de otras ondas, no penetran por completo el cuerpo humano, el método solo es adecuado para investigar tejidos a una profundidad de unos pocos centímetros (algo más de una pulgada) bajo la piel.
