Las tomografías computarizadas (TC o TAC) se han consolidado como una herramienta fundamental para la medicina moderna, debido a su rapidez y capacidad para obtener imágenes detalladas de huesos, órganos y tejidos blandos, facilitando el diagnóstico oportuno de enfermedades.

Según su nivel de radiación, las TC se clasifican en estándar y de baja dosis. Estas últimas se caracterizan por exponer a una menor carga radiológica al usuario durante el examen, aunque presentan una limitación importante: generan imágenes con baja resolución y mayor ruido visual.

Con el propósito de responder a este desafío, la Universidad de Santiago de Chile (Usach) ejecutó el proyecto de I+D “Reconstrucción de tomografías computarizadas con baja dosis de radiación mediante modelos generativos acelerados basados en técnicas de difusión”, el cual concluyó tras dos años de investigación. En nuestro Plantel, el trabajo fue liderado por la Dra. Violeta Chang, académica del Departamento de Ingeniería Informática de la Facultad de Ingeniería y directora adjunta de la iniciativa. 

La investigadora enfatiza que la búsqueda de soluciones para mejorar la nitidez de las imágenes, ha sido abordada en publicaciones científicas que han propuesto el uso de redes neuronales adversariales (GAN) y modelos de difusión. Sin embargo, aclara que gran parte de esos estudios fueron evaluados en un número limitado de casos.

“A diferencia de estas propuestas, nuestro objetivo fue avanzar hacia una solución basada en inteligencia artificial, que pudiera validarse con una metodología clínica capaz de reconstruir imágenes de baja dosis de radiación y acercarlas a la calidad de una tomografía convencional”, señala la Dra. Chang.

Validación e inteligencia artificial

La ejecución del proyecto integró las capacidades de los laboratorios de Inteligencia Artificial Aplicada de la Usach y de Visión por Computadora de la Universidad de Los Andes, reuniendo un equipo multidisciplinario compuesto por especialistas en informática, ingeniería biomédica y radiología.

En la primera etapa,  las y los investigadores abordaron la pérdida de información asociada a imágenes de baja dosis. Para ello, el equipo utilizó bases de datos públicas de tomografías estándar y desarrolló un simulador de ruido, que permitió reproducirlas en una versión de menor calidad y así poder analizar su comportamiento. Esta parte fue complementada con experimentación controlada junto a la Asociación de Radiólogos de Clínica Santa María.

Posteriormente, utilizando tomógrafos reales y fantomas anatómicos, se realizaron pruebas modificando parámetros de las TC para estudiar cómo variaba su calidad visual, según la cantidad de radiación que recibían. A partir de este trabajo, se generaron nuevas bases de datos y se construyó un modelo matemático capaz de reproducir imágenes sometidas a  distintas cargas de radiación.

“Toda esta información, nos permitió crear modelos de inteligencia artificial orientados a reconstruir imágenes de bajas dosis, con una resolución similar a una tomografía convencional”, acota la Dra. Violeta Chang.

Potencial de transferencia

La académica destaca que, a futuro, esta tecnología podría impactar directamente, tanto a pacientes sometidos a exámenes, como a profesionales del área radiológica y médica, quienes dispondrán de tomografías detalladas para realizar diagnósticos más confiables.

Finalmente, dice  que este desarrollo podría evolucionar hacia una plataforma en línea capaz de integrar y gestionar todo el material imagenológico. “Una alternativa es que esta solución funcione como un servicio en la nube, optimizando automáticamente las imágenes antes de su análisis médico”, puntializa.

Autora: Paola Armijo León.

Imagen: Cedida

Tags: Investigación aplicada

Dirección de Gestión Tecnológica

Vicerrectoría de Investigación, Innovación y Creación