La resonancia magnética (RMI, por sus siglas en inglés), es una de las herramientas de diagnóstico más seguras y buenas con las que cuenta el arsenal médico. ofrece de hecho detalles del interior del cuerpo humano que permite a los médicos hacer diagnósticos más certeros. Sin embargo, este tipo de estudios son lentos, llevan mucho tiempo, claustrofóbicos y generalmente no representan la mejor experiencia. Dependiendo de qué parte del cuerpo se esté analizando, un escaneo puede llevar hasta una hora y obliga al paciente a largos períodos de estar incómodo, a veces reteniendo el aire, entre otras cosas.
Los investigadores de la Universidad de Nueva York han estado trabajando para acelerar el proceso de la resonancia magnética por ya muchos años. Ahora una red neuronal artificial que fue revelada en el 2016 fue capaz de producir las imágenes de la resonancia magnética usando menos datos qu3 los que en general se necesitan. El problema es que enfrentaron la necesidad de más recursos de cómputo y a los expertos en IA para mejorar sus trabajos previos.
Y es cuando entró FAIR (Facebook Artificial Intelligence Research), un grupo cuya misión es la de trabajar con la comunidad de académicos e investigadores para colaborar en el avance del campo de la inteligencia de las máquinas en propuestas del mundo real. El nuevo proyecto colaborativo se llamó fastMRI y la meta es hacer que las resonancias estén listas 10 veces más rápido que lo que hoy día pueden entregar.
La idea es acelerar los escaneos, recolectando menos datos y usando una red neuronal entrenada para llenar los huecos. Esto, desde luego, no es un trabajo sencillo de hacer, pues las anomalías en las resonancias son frecuentemente muy pequeñas. Muchos bloques de datos no pueden ser brincados pues ofrecen resultados claros o bien, pueden estar mostrando tumores pequeños, lo que obliga a no saltarse estos conjuntos de datos.
El proyecto fastMRI le dará a la UNY por parte de FAIR, un enorme volumen de datos, incluyendo tres millones de imágenes de MRI de 10 mil casos clínicos. Los datos, los cuales serán anónimos, se usarán para entrenar a los nuevos algoritmos.
Larry Zitnick, del grupo FAIR, estima que los resultados de este proyecto podrían verse en los próximos doce meses. “En seis meses seremos capaces de hacer progresos en esto. Puede tomarnos quizás menos tiempo para llegar a algo muy bueno, o bien, tomarnos un año”.
Hay que decir que esta no es la primera vez que se busca una solución algorítmica al problema de los larguísimos escaneos de MRI. Ya en el 2011 se estaban buscando soluciones, como la presentada por el MIT en donde las resonancias tardaban no más de 15 minutos, aunque habría que evaluar si este método es lo suficientemente bueno para dar diagnósticos que no sean falsos positivos.
Un vocero de FAIR dijo: “Con la meta de cambiar radicalmente el modo en que las imágenes médicas son adquiridas en primer lugar, nuestra meta no es simplemente mejorar la minería de los datos con IA, sino tener una generación de nuevas capacidades fundamentales para la visualización médica para beneficio de la salud del ser humano”.