Aquest nou mètode es basa en una xarxa neuronal profunda 3D que genera imatges T2 —molt sensibles a la presència d’aigua, la qual cosa permet detectar edemes, inflamacions o isquèmies— a partir d’imatges T1, que proporcionen una representació anatòmica detallada del cervell i permeten diferenciar amb gran nitidesa la substància blanca de la substància grisa. D’aquesta manera, les imatges T1 aporten l’estructura, mentre que les T2 i FLAIR ressalten les possibles alteracions patològiques.

La recerca ha estat coordinada per José V. Manjón, del grup Medical Image Analysis (MIA-LAB) de l’Institut ITACA de la Universitat Politècnica de València (UPV), amb la participació del Departament de Psicobiologia (UV), el de Matemàtica Aplicada (UPV), així com l’Hospital Universitari i Politècnic La Fe, la Fundació per al Foment de la Investigació Sanitària i Biomèdica de la Comunitat Valenciana (FISABIO-CIPF), i també el Centre Nacional per a la Investigació Científica de França i la Universitat de Bordeus.

El Departament de Psicobiologia de la UV ha treballat conjuntament amb els especialistes d’informàtica mèdica aportant una visió del substrat neuropatològic, per a garantir un correcte etiquetatge de les imatges que seran treballades pels algoritmes. Marien Gadea, investigadora del departament especialitzada en neuropsicologia i neuroimatge, ha explicat que “aquest mètode utilitza tècniques d’aprenentatge semisupervisat en què l’etiquetatge previ de les imatges que utilitza el model és sotmès a judicis de valor per experts”.

El sistema integra informació anatòmica prèvia i empra tècniques d’aprenentatge supervisat, un enfocament d’intel·ligència artificial que combina un reduït nombre d’imatges mèdiques etiquetades per especialistes amb un gran volum d’imatges sense etiquetar. Aquest fet permet entrenar models potents sense necessitat de disposar de bases de dades completament anotades.

El personal mèdic, neurobiòleg, biòleg i anatomista és vital en la presa de decisions sobre l’etiquetatge de les imatges a través dels algoritmes perquè “participen en l’aclariment de dubtes raonables del món anatòmic i clínic real”, ha afegit Marien Gadea, experta en les relaciones cervell-conducta. Aquest fet li proporciona una sòlida formació en l’estudi i investigació d’aquells aspectes del sistema nerviós central (SNC) que tenen més rellevància funcional.

Aquest mètode combina coneixements anatòmics reals, estratègies d’entrenament específiques i un enfocament semisupervisat que en millora la capacitat de generalització en distints pacients i escàners. En proves de segmentació cerebral, va superar les tècniques més avançades disponibles, fins i tot en casos complexos com cervells amb lesions o una gran variabilitat anatòmica. A més, genera els resultats en qüestió de segons, la qual cosa en facilita l’aplicació en entorns hospitalaris.

“En una exploració de RM, cada tipus d’imatge aporta informació distinta del cervell, però obtenir-les totes allarga la prova, encareix el procés i pot resultar incòmode. El nostre sistema permet generar les imatges que falten a partir de les que ja s’han adquirit, cosa que redueix temps i recursos”, explica Sergio Morell, autor principal de l’estudi.

El següent repte de l’equip és estendre la tècnica a altres seqüències com FLAIR (Fluis Attenuated Inversion Recovery), una variant de les imatges T2 que elimina el senyal del líquid cefalorraquidi i permet ressaltar amb gran claredat lesions associades a malalties com l’Alzheimer, l’esclerosi múltiple o els tumors cerebrals.

Aquest estudi ha sigut finançat pel Ministeri de Ciència, Innovació i Universitats d’Espanya i l’Agència Nacional d’Investigació francesa i forma part del projecte Desenvolupament d'un programari d'anàlisi d'imatge de RM cerebral multimodal d'ultra-alta resolució per a la seua aplicació a entorns clínics, finançat pel Ministeri de Ciència i Innovació i l'Agència Estatal d'Investigació (PID2023-152127OB-I00), que Marien Gadea codirigeix amb José V. Manjón.

Referència: Sergio Morell-Ortega, Marina Ruiz-Perez, Marien Gadea, Roberto Vivo-Hernando, Gregorio Rubio, Fernando Aparici, Mariam de la Iglesia-Vaya, Thomas Tourdias, Boris Mansencal, Pierrick Coupé, José V. Manjón; “Robust deep MRI contrast synthesis using a prior-based and task-oriented 3D network”. Imaging Neuroscience 2025; 3 IMAG.a.116. doi: https://doi.org/10.1162/IMAG.a.116