Con inteligencia artificial logran reducir un 90% el tiempo que lleva hacer una resonancia magnética

14:33 | Miércoles 27 de Mayo de 2026 | La Rioja, Argentina | Fenix Multiplataforma

Con inteligencia artificial (IA) y simulaciones computacionales investigadores en España lograron obtener información detallada del cerebro de forma más rápida a partir de resonancias magnéticas con menos datos de los habituales.

El método, publicado en la revista Communications Medicine, logra reducir hasta un 90% el tiempo necesario para ciertas resonancias avanzadas manteniendo un alto nivel de precisión, lo que abre la puerta a técnicas de diagnóstico por imagen más eficientes y accesibles.

Mientras que en la actualidad el paciente debe permanecer inmóvil dentro de un escáner entre 30 y 60 minutos, este avance obtenido por el Instituto de Neurociencias (IN), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad Miguel Hernández de Elche (UMH), propone un cambio de enfoque en el uso de IA aplicada a la neuroimagen.

Cómo se logró reducir el tiempo de una resonancia magnética

Según pudo saber la Agencia Noticias Argentinas, en lugar de entrenar los modelos con datos reales de pacientes, el equipo utilizó un modelo basado en la física del proceso de difusión en el tejido cerebral para generar simulaciones que imitan de forma realista las resonancias magnéticas de pacientes reales.

A partir de estos datos, se entrenaron sistemas computacionales inspirados en las neuronas biológicas, los cuales permiten ajustar parámetros del modelo para que actúen como biomarcadores del estado del tejido, utilizando un número muy reducido de imágenes de resonancia magnética.

“Reducir el tiempo de adquisición necesario permite incorporar técnicas de resonancia mucho más avanzadas, lo que se traduce en una mayor cantidad de información clínica disponible para el personal médico”, explica la investigadora del CSIC Silvia De Santis, que lidera el laboratorio Biomarcadores de Imaging Traslacional en el IN.

Además, a la hora de estudiar, “el uso de simulaciones nos permite generar tantos datos como necesitemos, sin depender de la disponibilidad de pacientes y evitando problemas de privacidad”, añadió por su parte el investigador Maximilian Eggl.

Menos tiempo de escáner, más información

La metodología, según explican desde el CSIC, se apoya en técnicas avanzadas de resonancia magnética (diffusion-weighted MRI), que permiten estudiar de forma no invasiva el movimiento del agua en el tejido cerebral y, con ello, obtener información sobre su microestructura. A partir de estas señales, el sistema de IA desarrollado en el IN reconstruye detalles del tejido cerebral de manera muy eficiente.

Uno de los resultados más relevantes del trabajo es la reducción drástica del número de mediciones necesarias. “Hemos visto que nuestra red, entrenada completamente con simulaciones, es capaz de obtener una precisión muy alta utilizando solo un 10% de los datos”, señala Eggl. “Esto puede tener un impacto directo en la clínica, especialmente en hospitales con listas de espera muy largas”, destaca el investigador.

En la práctica, este avance podría traducirse en una reducción significativa del tiempo de escaneo: “Imagínate pasar de 40 minutos a unos 8 aproximadamente para obtener la misma información. Este procedimiento permitiría aumentar el número de pacientes atendidos en el mismo tiempo y hacer el sistema mucho más eficiente”, celebraron los investigadores.

Diagnóstico precoz en enfermedades neurodegenerativas

El enfoque también abre nuevas posibilidades en el estudio de enfermedades neurodegenerativas como el alzhéimer, que presentan una fase preclínica muy prolongada, de hasta dos décadas, en la que no aparecen síntomas visibles. 

Además, el sistema permite reanalizar datos de resonancia magnética adquiridos hace décadas, que hasta ahora habían quedado limitados por las tecnologías disponibles en su momento. Gracias a la nueva aproximación basada en simulaciones, estos datos pueden reinterpretarse para extraer nueva información relevante sobre enfermedades neurológicas.