Investigadores de la Universidad de Boston han desarrollado un método asistido por inteligencia artificial para obtener datos más nítidos de resonancia magnética funcional (fMRI) del cerebro y sus trastornos. El avance, publicado recientemente en Nature Methods, permite eliminar el “ruido” o las distorsiones de la imagen causadas por movimientos, latidos del corazón y otros factores.
La neuroimagen funcional, también conocida como fMRI, es uno de los métodos no invasivos más utilizados en neurociencia, con decenas de miles de estudios publicados solo en 2024. Un obstáculo importante en la investigación con fMRI es que los datos de la resonancia magnética sobre las respuestas cerebrales se mezclan con ruido proveniente de movimientos y otras fuentes.
Según Stefano Anzellotti, profesor asociado de Psicología en la Universidad de Boston y autor principal del estudio, eliminar este ruido de manera más efectiva podría allanar el camino para nuevos descubrimientos sobre el cerebro y sus trastornos. El nuevo método, desarrollado por Anzellotti y otros dos investigadores, utiliza inteligencia artificial generativa para triplicar el rendimiento de los enfoques anteriores.
Anzellotti afirmó que estos hallazgos podrían abrir nuevas puertas a la investigación cerebral. “Queríamos mejorar la eliminación del ruido en los datos de fMRI”, explicó. “Otros trabajos ya habían intentado hacerlo, pero la novedad de nuestro enfoque radica en que, gracias al uso de la IA generativa, hemos logrado una mejora de más del 200% con respecto a los métodos anteriores.”
El método, denominado DeepCor, supera a otros enfoques de eliminación de ruido de última generación en una variedad de conjuntos de datos simulados. En datos reales de fMRI, DeepCor supera a otro método ampliamente utilizado, conocido como CompCor, en un 215% en la eliminación de ruido en las respuestas faciales y en un 339% en la clarificación de datos sintéticos realistas, generados para imitar las propiedades de un conjunto de datos de fMRI real, según Anzellotti.
La IA aprende a identificar patrones únicos de las regiones del cerebro que contienen neuronas, así como los patrones únicos dentro de las regiones que no las contienen, como los ventrículos, detalló Anzellotti.
“El ruido suele afectar a ambos tipos de regiones, por lo que eliminar los patrones que tienen en común permite que los patrones únicos de las regiones que contienen neuronas destaquen”, añadió.
El equipo, integrado por el investigador postdoctoral Aidas Aglinskas y Yu Zhu, entonces estudiante de pregrado, estudió el cerebro humano utilizando imágenes de resonancia magnética funcional.
Anzellotti admitió que la magnitud de la mejora fue inesperada. “Nos sorprendió lo grande que fue la mejora”, dijo. “Esperábamos que el método funcionara mejor, pero anticipábamos una mejora en el rango del 10% al 50%. Una mejora del 200% superó nuestras expectativas más optimistas.”
La investigación de Anzellotti continuará explorando mejoras en las lecturas de fMRI. “Estamos considerando dos pasos clave: hacer que el método sea lo más accesible posible para otros investigadores y utilizarlo para eliminar el ruido de grandes conjuntos de datos públicos, para que el campo pueda comenzar a beneficiarse de datos más limpios lo antes posible”, concluyó.
