Un sistema compara imágenes médicas en el tiempo y mejora el seguimiento de enfermedades

Investigadores de las universidades de Granada y Jaén y del centro European Centre for Soft Computing de Asturias han desarrollado un método que permite reducir las imprecisiones y mejorar el diagnóstico y tratamiento de enfermedades a través de la integración de distintas imágenes médicas como escáneres, rayos X o resonancias magnéticas. Éste es el caso, por ejemplo, de la esclerosis múltiple o de las patologías asociadas a la aparición de tumores cerebrales, donde el método convencional implica alinear, de forma manual, diferentes capturas del tumor y comprobar cómo éste ha evolucionado a lo largo del tiempo. De este modo, el nuevo sistema ha permitido simplificar este proceso de una forma automática, rápida y en tiempo real, dando lugar a nuevas herramientas de apoyo para el profesional sanitario tanto en la detección temprana como en el seguimiento adecuado de este tipo de dolencias.

En el artículo ‘Intensity-based image registration using scatter search’, publicado en la revista Artificial Inteligence in Medicine, el equipo investigador ha desarrollado un sistema que facilita y mejora el diagnóstico de aquellas enfermedades cuyo tratamiento requiere del análisis y seguimiento en el tiempo de imágenes médicas. “Frente a las horas que debe emplear un profesional para alinearlas manualmente y de manera precisa, este método consigue ser muy exacto en un corto periodo de tiempo. Asimismo, es más fiable que el tradicional, que tan sólo considera las partes sobresalientes y distintivas cuando se fusiona la información, tales como líneas, curvas o contornos”, explica a la Fundación Descubre el investigador de la Universidad de Granada Sergio Damas Arroyo.

Para llegar a estas conclusiones, los expertos emplearon un tipo de tecnología avanzada procedente del ámbito de la Inteligencia Artificial denominada Búsqueda Dispersa, una técnica que se caracteriza por su capacidad para imitar tanto el comportamiento como la comprensión humanos. En concreto, los investigadores analizaron, en primer lugar, tanto imágenes cerebrales simuladas por ordenador en el laboratorio como reales. “En el primer caso, eran muy diversas y cada una de ellas tenía unas orientaciones iniciales muy diferentes e importantes cambios de escala o zoom. En segundo lugar, empleamos capturas reales de un paciente con lesiones causadas por esclerosis múltiple”, sostiene el investigador.

Y añade: “Finalmente, el sistema fue capaz de detectar en ambos casos y de un modo preciso las diferencias en el tamaño o la forma y como éstas se relacionan con el tratamiento de la enfermedad”.

Aplicación en otras áreas

Integrar técnicas de Inteligencia Artificial en el análisis de imágenes médicas supone, según apuntan los investigadores, un modelo extensible para la creación de nuevas aplicaciones en campos como la Medicina Forense. “Este estudio podría contribuir al ámbito de la antropología forense a través de la identificación de personas desaparecidas. El proceso consistiría en proyectar un modelo 3D del cráneo sobre el rostro del individuo en la fotografía con el objetivo de obtener una imagen superpuesta que permite determinar si se trata o no de la misma persona”, afirma Damas

Esta investigación, que ya ha sido probada con éxito en el laboratorio mediante el procesamiento tanto de resonancias magnéticas como de tomografías, ha permitido a los expertos abrir nuevas líneas de trabajo principalmente relacionadas con el diagnóstico y seguimiento digital de enfermedades. “Con el objetivo de mejorar la precisión, y a través de modelos más complejos, trataremos de alinear imágenes en las que alguna región haya sufrido una transformación que no puede ser modelada (alineada) con un cambio de orientación o cualquier otra transformación geométrica afín”, concluye.

Estos resultados son fruto del proyecto europeo Medical Imaging using Bio-inspired and Soft Computing (MIBISOC), financiado la Red Marie Curie del VII Programa Marco de Investigación de la Unión Europea y desarrollado por las universidades de Granada y Jaén y coordinado por el European Centre for Soft Computing, centro de investigación y desarrollo promovido por la Fundación para el Progreso del Soft Computing ubicado en Mieres, Asturias.

Referencia:

Andrea Valsecchi, Sergio Damas, José Santamaría, Linda Marrakchi-Kacemc. Intensity-based Image Registration using Scatter Search. Artificial Inteligence in Medicine. 2014 Mar;60(3):151-63.

Imagen:

Parte del equipo de investigación autor del artículo

https://www.flickr.com/photos/fundaciondescubre/14219908695/

Resumen del proceso de alineamiento de imágenes

https://www.flickr.com/photos/fundaciondescubre/14033258448/

Más información:

FUNDACIÓN DESCUBRE

Departamento de Comunicación

Teléfono: 954232349. Extensión 140

e-mail: comunicacion@fundaciondescubre.es