La placenta es uno de los órganos más vitales durante el embarazo. Si no funciona correctamente, las consecuencias pueden ser graves: los niños pueden sufrir retraso del crecimiento y trastornos neurológicos, y sus madres corren un mayor riesgo de sufrir trastornos sanguíneos como la preeclampsia, que puede afectar a la función renal y hepática.
Lamentablemente, evaluar la salud placentaria es difícil debido a la limitada información que puede obtenerse a partir de las imágenes. Las ecografías tradicionales son baratas, portátiles y fáciles de realizar, pero no siempre permiten captar suficiente detalle. Esto ha impulsado a los investigadores a explorar el potencial de la resonancia magnética (RM). Sin embargo, incluso con las RM, la superficie curva del útero dificulta la interpretación de las imágenes.
Este problema llamó la atención de un equipo de investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL, por sus siglas en inglés), quienes se preguntaron si la forma arrugada de la placenta podría aplanarse mediante algo de geometría avanzada.
El próximo mes publicarán un artículo que demuestra que sí es posible. Su nuevo algoritmo despliega las imágenes de las resonancias magnéticas para visualizar mejor el órgano. Por ejemplo, sus imágenes muestran con mayor claridad los «cotiledones», estructuras circulares que permiten el intercambio de nutrientes entre la madre y su hijo o hijos en desarrollo. Poder visualizar estas estructuras podría permitir a los médicos diagnosticar y tratar los problemas placentarios mucho antes en el embarazo.
«La idea es desplegar la imagen de la placenta mientras está en el cuerpo, de modo que se asemeje a la forma en que los médicos están acostumbrados a verla tras el parto», afirma Mazdak Abulnaga, estudiante de doctorado y autor principal del nuevo artículo, junto con los profesores del MIT Justin Solomon y Polina Golland. «Aunque este es solo un primer paso, creemos que un enfoque como este tiene el potencial de convertirse en un método de imagen estándar para los radiólogos».
Golland afirma que el algoritmo también podría utilizarse en la investigación clínica para identificar biomarcadores específicos asociados con una mala salud placentaria. Este tipo de investigación podría ayudar a los radiólogos a ahorrar tiempo y localizar con mayor precisión las áreas problemáticas sin tener que examinar numerosos cortes diferentes de la placenta.
Chris Kroenke, profesor asociado de la Universidad de Ciencias de la Salud de Oregón, afirma que el proyecto abre muchas nuevas posibilidades para el seguimiento de la salud placentaria.
«Los procesos biológicos que subyacen al patrón de los cotiledones no se comprenden del todo, ni se sabe si debe esperarse un patrón estándar para una población determinada», afirma Kroenke, quien no participó en el artículo. «Las herramientas proporcionadas por este trabajo sin duda ayudarán a los investigadores a abordar estas cuestiones en el futuro».
Abulnaga, Solomon y Golland coescribieron el artículo con el antiguo becario posdoctoral del CSAIL Mikhail Bessmeltsev y sus colaboradores, Esra Abaci Turk y P. Ellen Grant, del Hospital Infantil de Boston (BCH, por sus siglas en inglés). Grant es la directora del Centro de Ciencias de Neuroimagen y Desarrollo Fetal-Neonatal del BCH y profesora de radiología y pediatría en la Facultad de Medicina de Harvard. El equipo también trabajó estrechamente con colaboradores del Hospital General de Massachusetts (MGH, por sus siglas en inglés) y con el profesor del MIT Elfar Adalsteinsson.
El artículo se presentará el 14 de octubre en Shenzhen (China), en la Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Computadora.
El algoritmo del equipo modela primero la forma de la placenta dividiéndola en miles de pequeñas pirámides, o tetraedros. Esto constituye una representación eficiente para que los ordenadores realicen operaciones que manipulen la forma. Después, el algoritmo organiza esas pirámides en una plantilla que se asemeja a la forma aplanada que adopta una placenta una vez fuera del cuerpo. (El algoritmo lo consigue, básicamente, desplazando los vértices de las pirámides de la superficie de la placenta para que coincidan con los dos planos paralelos de la plantilla, y dejando que el resto se ajuste a la nueva forma).
El modelo debe establecer un equilibrio entre que las pirámides coincidan con la forma de la plantilla y minimizar el grado de distorsión. El equipo demostró que el sistema puede alcanzar, en última instancia, una precisión de menos de un vóxel (un píxel tridimensional).
El proyecto no es, ni mucho menos, el primero que pretende mejorar la imagen médica manipulando dichas imágenes. Recientemente se han realizado esfuerzos para desplegar las exploraciones de las costillas, y los investigadores también llevan muchos años desarrollando métodos para aplanar las imágenes de la corteza cerebral con el fin de visualizar mejor las áreas situadas entre los pliegues.
Mientras tanto, el trabajo relacionado con el útero es mucho más reciente. Enfoques anteriores a este problema se centraban en aplanar por separado las distintas capas de la placenta. El equipo afirma que considera que el nuevo método volumétrico ofrece mayor coherencia y menor distorsión, ya que mapea toda la placenta tridimensional de una sola vez, lo que le permite modelar más fielmente el proceso físico de despliegue.
«El trabajo del equipo proporciona una herramienta muy elegante para abordar el problema de que la forma irregular de la placenta dificulte su obtención de imágenes», afirma Kroenke.
Como siguiente paso, el equipo espera trabajar con el MGH y el BCH para comparar directamente las imágenes intrauterinas con las de las mismas placentas después del parto. Dado que la placenta pierde líquido y cambia de forma durante el proceso del parto, esto requerirá utilizar una cámara especial diseñada por el MGH y el BCH, en la que los investigadores puedan colocar la placenta inmediatamente después del nacimiento.
El código fuente del proyecto está disponible en github. El trabajo contó con el apoyo parcial del Instituto Nacional de Salud Infantil y Desarrollo Humano, el Instituto Nacional de Imagen Biomédica e Ingeniería Biomédica, la Fundación Nacional de Ciencias, la Fuerza Aérea de los Estados Unidos y el Consejo de Investigación en Ciencias Naturales e Ingeniería de Canadá.
