Imagenología Plural de Contraste por Eco de Gradiente (AI-GEPCI) impulsada por IA: un protocolo neurológico...

Área de la Ciencia:

• Imagenología Médica
• Inteligencia Artificial
• Neurología

Sus antecedentes:

• La RM es crucial para el diagnóstico y seguimiento de enfermedades neurológicas.
• Los protocolos convencionales de RM requieren múltiples secuencias, lo que aumenta el tiempo de exploración y los costos.
• La generación de múltiples contrastes a partir de una sola adquisición podría mejorar el flujo de trabajo y la utilidad clínica.

Objetivo del estudio:

• Entrenar redes neuronales convolucionales basadas en atención (ACNN) para generar contrastes FLAIR, MPRAGE y R2* de calidad clínica a partir de una sola adquisición de Imagenología Plural de Contraste por Eco de Gradiente (GEPCI).
• Permitir la RM multiconstraste a partir de una sola exploración utilizando IA.

Principales métodos:

• Análisis retrospectivo de 43 resonancias magnéticas de individuos con esclerosis múltiple.
• Se utilizó RM de 3T para adquirir secuencias 3D GEPCI, MPRAGE y FLAIR.
• Se evaluaron los contrastes generados por IA frente a las imágenes adquiridas directamente utilizando SSIM, NRMSE para mapas R2* y evaluaciones de médicos.

Principales resultados:

• Las imágenes FLAIR y MPRAGE generadas por IA lograron altos valores de SSIM (0.923±0.028 y 0.935±0.022).
• Los mapas R2* generados mostraron una excelente SSIM (0.996±0.006) y precisión cuantitativa (NRMSE 0.031±0.020).
• Las calificaciones de los médicos superaron los estándares clínicos y la segmentación de lesiones mostró una fuerte concordancia con la verdad fundamental.

Conclusiones:

• AI-GEPCI generó con éxito múltiples contrastes de RM clínicamente relevantes a partir de una sola adquisición.
• La alta similitud con las imágenes adquiridas y las evaluaciones cuantitativas/cualitativas positivas respaldan la viabilidad.
• Este enfoque de IA permite multiconstrastes de alta calidad y co-registrados para una evaluación integral del cerebro.