Manejar la variedad en las resonancias magnéticas puede conducir a mejores diagnósticos de accidentes cerebrovasculares

Las primeras horas después de un derrame cerebral son cruciales. Para poder tratar a un paciente de manera efectiva, los médicos deben localizar rápidamente el vaso sanguíneo dañado y determinar qué tipo de accidente cerebrovascular ocurrió. En la mayoría de los casos, un vaso sanguíneo roto libera sangre en el cerebro o un coágulo de sangre obstruye un vaso sanguíneo en el cerebro. A los pacientes que experimentan el segundo tipo de accidente cerebrovascular se les recetan medicamentos para disolver el coágulo de sangre. Sin embargo, si este medicamento se administra a pacientes del primer tipo, fluidificará la sangre y solo empeorará la hemorragia.

Sin embargo, los médicos deben actuar rápidamente porque cuanto más rápido se trata un accidente cerebrovascular, menor es la probabilidad de consecuencias graves. «A los pacientes con accidente cerebrovascular se les realiza una resonancia magnética [magnetic resonance imaging] escaneo inmediatamente después de llegar al hospital», dice Antoine Madrona, quien está completando una maestría en ciencias de la vida. «El escaneo se usa para confirmar que realmente se trata de un accidente cerebrovascular e identificar de qué tipo, a fin de prescribir el tratamiento adecuado».

Aplicación de IA a imágenes médicas

Los algoritmos de aprendizaje profundo que clasifican grandes conjuntos de datos para generar predicciones pueden ayudar a los médicos a hacer el diagnóstico correcto. Pueden mostrar a los radiólogos dónde deben centrar su atención, proporcionar información cuantitativa sobre la posición, el tamaño y la cantidad de lesiones de los vasos sanguíneos y acelerar el proceso de selección de un tratamiento. Como parte de su proyecto de maestría, Madrona ayudó a desarrollar un algoritmo basado en datos de resonancia magnética ponderada por difusión (DW-MRI), una forma de resonancia magnética que utiliza la difusión de moléculas de agua para generar contraste en las imágenes.

Los conjuntos de datos DW-MRI que Madrona obtuvo de varios hospitales suizos eran extremadamente heterogéneos. «Me sorprendió ver tanta variación en las imágenes de diferentes hospitales», dice. «No esperaba ver tan poca estandarización».

En otras palabras, el mismo paciente sometido a una resonancia magnética en dos hospitales diferentes terminará con dos imágenes muy diferentes. Eso se debe a las variaciones en el modelo de la máquina y el protocolo de adquisición de imágenes. «No hay un estándar nacional o incluso internacional», dice Madrona. «Cada hospital usa su propia secuencia de pulso magnético y establece sus propias direcciones e intensidades de pulso. Todo eso afecta el contraste de la imagen y la apariencia general».

Seguridad de datos

Para asegurarse de que los datos de los pacientes permanezcan confidenciales, Madrona usó un método de aprendizaje federado para su algoritmo. Este método implica entrenar un algoritmo a través de varios conjuntos de datos, pero sin intercambiar ningún dato entre ellos. Ninguno de los sistemas de imágenes médicas actualmente en el mercado emplea un método federado. «Estoy particularmente interesado en cómo se pueden usar los algoritmos descentralizados para proteger los datos de los pacientes», dice. «Esto llega a un problema ético importante que creo que debe abordarse más ampliamente en la industria del cuidado de la salud. La confidencialidad del paciente no debería ser el precio a pagar por diagnósticos más eficientes». Madrona, ahora de 25 años, tiene la intención de seguir una carrera en esta dirección.

Su proyecto de maestría aún no ha terminado, pero Madrona ya lo ve como una experiencia positiva. El algoritmo eventualmente podría ayudar a los radiólogos a analizar accidentes cerebrovasculares, independientemente del hospital, la máquina de resonancia magnética o el protocolo de adquisición de imágenes utilizado. «Lo que realmente me motiva de mi proyecto son los beneficios concretos que puede brindar directamente a las aplicaciones clínicas», dice.