Imágenes médicas informadas por la física y potenciadas por inteligencia artificial
La actividad, liderada por la investigadora principal y coordinadora de la Stream 2, Dra. Steren Chabert, incluyó tres presentaciones que abarcan desde resonancia magnética de bajo campo hasta modelamiento hemodinámico y reconstrucción 3D autosupervisada.
El pasado 30 de abril se realizó en el Aula Magna del campus San Joaquín de la Pontificia Universidad Católica de Chile la primera Stream 2 Meeting del año, instancia en que investigadores y estudiantes de iHEALTH compartieron sus avances en el desarrollo de métodos de inteligencia artificial informados por física para imágenes médicas.
Sebastián Ibarra, estudiante de Doctorado en Ingeniería en la Universidad de Valparaíso (en programa conjunto con la Universidad de Tarapacá), presentó una arquitectura ligera basada en consistencia de datos para mejorar imágenes de rodilla adquiridas en equipos de bajo campo magnético. Su propuesta, denominada CONSIS-Net, “cuenta con aproximadamente 1,5 millones de parámetros —frente a los 20–25 millones de arquitecturas de referencia como SwinMR— y alcanzó una similitud estructural (SSIM) de 95–96% y un PSNR de ~40 dB” detalló el investigador.
Por su parte, Rodrigo Avaria, en la etapa final de su Doctorado en Estadística en la Universidad de Valparaíso, presentó una red neuronal informada por física (PINN) diseñada para resolver el Modelo de Balloon y estimar la función de respuesta hemodinámica (HRF) en imágenes de resonancia magnética funcional (fMRI).
Como explicó el investigador “aplicada a datos reales de pacientes con ACV isquémico, la herramienta demostró capacidad para detectar diferencias significativas entre hemisferios cerebrales, con explicación plausible para la variación subyacente de consumo metabólico, validando su potencial utilidad clínica”.
Finalmente, Christofer Cid, ingeniero de investigación en iHEALTH, presentó un método de reconstrucción autosupervisada para adquisiciones 3D de rodilla multi contraste a 0,55 Tesla, que genera mapas de T1 y T2 en aproximadamente 2 minutos, frente a los 40 minutos que requieren los métodos estándar. “El enfoque aprovecha la geometría cartesiana de la adquisición para reducir drásticamente el costo computacional”, señaló.
La Stream 2 de iHEALTH busca aprovechar las sinergias entre modalidades de imagen médica —ultrasonido, resonancia magnética de diferentes magnitudes de campo, entre otras— a lo largo de todo el proceso de adquisición, diagnóstico y pronóstico, con foco en mejorar la eficiencia, eficacia y accesibilidad de estas tecnologías, incluyendo equipos de menor costo.
