Mapeo cuantitativo cerebral de dos minutos impulsado por aprendizaje profundo: Aceleración de la imagenología clínica...

Área de la Ciencia:

• Neuroimagen
• Física Médica
• Inteligencia Artificial en Medicina

Sus antecedentes:

• La resonancia magnética (RM) cuantitativa proporciona mapas críticos de las propiedades tisulares (T1, T2, PD) para el diagnóstico de enfermedades.
• La duración prolongada de la exploración es una limitación importante para la adopción clínica de la RM cuantitativa.

Objetivo del estudio:

• Evaluar la superresolución de RM sintética ultrarrápida basada en aprendizaje profundo (DL).
• Determinar si la DL puede generar mapas cuantitativos de T1/T2/PD precisos y comparables a los de los estudios de rutina.
• Evaluar si el tiempo de exploración puede reducirse sustancialmente manteniendo la calidad de imagen diagnóstica.

Principales métodos:

• Inscripción prospectiva de 151 adultos sanos y 7 pacientes.
• Exploraciones de RM con doble protocolo (rutina y sintética rápida) en un escáner de 3.0T.
• Aplicación de una red generativa adversaria de superresolución (SRGAN) para la reconstrucción de imágenes.
• Validación mediante pruebas t pareadas, análisis de Bland-Altman y coeficientes de variación.

Principales resultados:

• Fuertes correlaciones entre los valores de T1/T2/PD reconstruidos por DL y los de referencia (R² > 0.97).
• Pequeños sesgos promedio para T1 (-0.93%), T2 (0.85%) y PD (-0.31%).
• SRGAN suprimió el ruido y los artefactos, restaurando la fidelidad de la imagen a una calidad cercana a la de la exploración de rutina.

Conclusiones:

• La superresolución DL en RM sintética ultrarrápida produce mapas cuantitativos de todo el cerebro con una fuerte correlación con los estudios de rutina.
• El tiempo de adquisición se reduce a la mitad manteniendo la calidad de imagen diagnóstica.
• Este enfoque muestra la promesa de acelerar la implementación clínica de la imagenología cerebral cuantitativa.