Nuestra académica Dra. Violeta Chang Camacho, del Departamento de Ingeniería Informática de la Universidad de Santiago de Chile, en colaboración con académicas y académicos de la Universidad de los Andes, se ha adjudicado el proyecto FONDEF IDeA I+D 2024.
El proyecto lleva por título “Reconstrucción de tomografías computarizadas con baja dosis de radiación mediante modelos generativos acelerados basados en técnicas de difusión”. En la actualidad, la tomografía computarizada (TC) es una de las técnicas más utilizadas en el diagnóstico de diversas patologías debido a su excelente rendimiento y rapidez en la obtención de imágenes. Sin embargo, es también una de las modalidades radiológicas que conlleva una mayor exposición a la radiación, equivalente a períodos prolongados de exposición ambiental.
A pesar de las estrategias implementadas para reducir la dosis de radiación en los equipos más modernos, a menudo no se logra reducir de manera efectiva la irradiación de los pacientes sin comprometer la calidad de la imagen, lo que repercute negativamente en el diagnóstico. Por otro lado, el uso del aprendizaje profundo (deep learning) en radiología ha aumentado en los últimos años. Si bien existen productos comerciales que aplican esta tecnología para reducir el ruido en las imágenes, todavía se enfrentan a limitaciones en cuanto a la calidad clínica ante reducciones agresivas de radiación.
En este contexto, se identifica una oportunidad para desarrollar una solución que, mediante técnicas de vanguardia en aprendizaje profundo generativo, permita reconstruir imágenes obtenidas con una reducción de dosis de radiación superior al 50%, sin comprometer la precisión diagnóstica. Dada la investigación previa sobre modelos de difusión aplicados a la reconstrucción de TC con baja dosis, se parte de una base tecnológica ya establecida, correspondiente a un nivel de madurez TRL 2. Por consiguiente, el objetivo al término del proyecto es alcanzar un nivel de madurez TRL 4, validando la tecnología en entornos de laboratorio.
Para lograr esto, se propone desarrollar modelos de inteligencia artificial basados en modelos generativos, los cuales aprenderán la distribución de TC con dosis de radiación estándar para luego reconstruirlas a partir de TC con dosis reducidas. Se emplearán modelos de difusión, que representan lo último en generación de contenido, así como un enfoque basado en ecuaciones diferenciales estocásticas para agilizar el proceso de inferencia. Los resultados de este proyecto tendrán un impacto significativo en la salud tanto de los pacientes como del personal médico, ya que permitirán realizar estudios con TC utilizando niveles bajos de radiación.
El modelo computacional resultante de este proyecto procesará las imágenes reduciendo el ruido y utilizando información de las imágenes adyacentes mediante mecanismos de atención. Inicialmente, se probará y validará en los equipos disponibles en los servicios radiológicos de la Clínica Santa María, con la intención de incorporarlo posteriormente a la rutina clínica. Esta validación, basada en una metodología clínica de diagnóstico por imágenes, no solo mejorará la calidad de los diagnósticos, sino que también permitirá realizar diagnósticos precisos de las patologías, reduciendo la carga de radiación en los pacientes y, por ende, disminuyendo el riesgo de desarrollar cáncer debido a exposiciones excesivas a la radiación.
Felicitamos a nuestra académica por la adjudicación de este proyecto FONDEF y esperamos que su investigación continúe contribuyendo al avance científico y tecnológico en este importante campo.
