La RM portátil muestra potencial para ampliar las imágenes cerebrales en la enfermedad de Alzheimer
Actualizado el 20 Dec 2024
Para 2050, se estima que 139 millones de personas en todo el mundo tendrán la enfermedad de Alzheimer (EA). La resonancia magnética (RM) desempeña un papel fundamental en la detección de cambios en la estructura cerebral que preceden al deterioro cognitivo y la progresión de la enfermedad; sin embargo, su elevado coste limita su accesibilidad. Ahora, un nuevo estudio ha demostrado que una máquina de RM simplificada de campo magnético bajo (LF-MRI), mejorada con herramientas de aprendizaje automático, proporciona resultados comparables a los de la RM tradicional en la evaluación de características cerebrales asociadas con la EA. La investigación, publicada en Nature Communications, subraya el potencial de la LF-MRI para evaluar a personas con síntomas cognitivos.
El equipo de estudio, compuesto por investigadores clínicos, físicos de resonancia magnética, expertos en la prestación de servicios de salud y especialistas en inteligencia artificial del Mass General Brigham (Somerville, MA, EUA), ha estado investigando la RM de campo bajo como alternativa a la RM de campo alto (HF-MRI) durante varios años. La RM de campo alto utiliza campos magnéticos potentes para generar imágenes transversales de alta resolución del cuerpo, pero requiere equipos costosos e instalaciones designadas para imágenes, que a menudo no están disponibles en entornos de bajos recursos tanto en los Estados Unidos como en el resto del mundo. Por el contrario, las máquinas de RM de campo bajo funcionan con campos magnéticos 50 veces más débiles que los utilizados en la RM convencional. Esto da como resultado escáneres más pequeños y portátiles que solo requieren una única toma de corriente para funcionar, pero a expensas de una menor calidad de imagen.
Para mejorar la calidad de las imágenes de RM de bajo campo y hacerlas más prácticas para el uso clínico, los investigadores integraron herramientas de inteligencia artificial (IA). Generaron conjuntos de datos artificiales mediante la comparación de exploraciones de RM de bajo campo y alto campo de individuos sanos y pacientes con afecciones neurológicas. Estos conjuntos de datos se utilizaron para entrenar un algoritmo de IA para identificar características relacionadas con la enfermedad de Alzheimer en la RM de campo bajo, como el tamaño del hipocampo (el centro de la memoria del cerebro) y las regiones de hiperintensidad de la sustancia blanca (WMH), que pueden indicar neurodegeneración o problemas vasculares.
Cuando se probó en 54 pacientes con deterioro cognitivo leve o demencia relacionada con la EA, las exploraciones de RM de bajo campo mejoradas con IA mostraron resultados muy similares a los de RM de alto campo tradicional en términos de tamaño del hipocampo y volumen de materia blanca. Aunque el nuevo método requiere aprobación regulatoria y el desarrollo de nuevos protocolos clínicos, tiene el potencial de ampliar el acceso a la neuroimagen en áreas con recursos limitados para RM.
Además de mejorar el diagnóstico de la EA, la RM de bajo campo podría agilizar la atención de los pacientes con Alzheimer que necesitan monitoreo por RM durante el tratamiento con nuevas terapias para la enfermedad. Su portabilidad también la hace adecuada para su uso en salas de emergencia, centros de salud comunitarios y unidades ambulatorias, en particular para pacientes con riesgo de sufrir un accidente cerebrovascular o en recuperación de uno.
“El acceso a la resonancia magnética tradicional no está distribuido de manera uniforme y no está disponible para todos”, dijo el autor principal, Dr. W. Taylor Kimberly, PhD, jefe de la División de Cuidados Neurocríticos del Departamento de Neurología del MGH. “Prevemos un futuro en el que una persona con problemas cognitivos que visite a un médico de atención primaria, un geriatra o un neurólogo pueda realizarse un escaneo cerebral, una prueba de sangre y un test cognitivo, todo en una sola visita. La tecnología de bajo costo y fácil implementación puede proporcionar información a los médicos, directamente al lado del paciente”.