La Clínica CEMTRO desarrollará conjuntamente con GE Healthcare y el Laboratorio de Análisis de Imagen Médica y Biometría de la Universidad Rey Juan Carlos I, un proyecto pionero en Europa para aplicar la Inteligencia Artificial (IA) en el diagnóstico de diferentes patologías del sistema musculoesquelético como las enfermedades degenerativas y las lesiones del cartílago de la rodilla.

La clínica madrileña utilizará el denominado “aprendizaje profundo” (‘deep learning’) para implantar nuevas herramientas de resonancia magnética automatizadas de detección de lesiones que permitirá segmentar las imágenes del cartílago y el hueso y clasificar esas mismas imágenes para poder detectar posibles anormalidades estructurales en el tejido cartilaginoso, incluso cuando se trata de lesiones superficiales, que pueden pasar desapercibidas con sistemas convencionales.

El ‘deep learning’ es la misma herramienta de inteligencia artificial que utilizan los teléfonos móviles para identificar objetos concretos en imágenes. Para ello los algoritmos han de aprender primero a distinguir esos mismos objetos mediante la exposición a millones de ejemplos diferentes ya etiquetados.

La segmentación, la división de las imágenes digitalizadas en particiones homogéneas, es un paso crucial para obtener marcadores cuantitativos de degeneración articular, como puede ser el caso de las lesiones del cartílago. Tradicionalmente, se realiza de manera manual y son los propios profesionales médicos los que delinean los límites entre los diversos tejidos musculoesqueléticos y el hueso. Esto constituye un proceso extremadamente lento y difícil que, además, depende mucho de la experiencia del profesional.

El doctor Mario Padrón, jefe del Servicio de Radiodiagnóstico de la Clínica Cemtro y coordinador del proyecto, explica que “una segmentación totalmente automatizada que diferencie claramente las partes óseas y las de los tejidos puede ayudarnos a realizar un diagnóstico más precoz y más preciso de lesiones incipientes del cartílago articular mejorando la precisión diagnostica en menos tiempo y así reducir posibles errores humanos. Todo esto revierte en atender más y mejor a un mayor número de pacientes”.

Luis Campo, presidente de GE Healthcare Iberia, destaca que “la aplicación de la inteligencia artificial ayuda a localizar y combinar datos relevantes que tienen potencial para mejorar la atención del paciente y aumentar el flujo de trabajo”.

Según el doctor Padrón, “estos datos nos pueden permitir a medio plazo hacer un estudio demográfico de las lesiones del sistema musculo-esquelético y, en base al mismo, tomar decisiones para mejorar su tratamiento e incluso para prevenirlas aplicando estrategias como la pérdida de peso, ejercicios específicos, o nuevos fármacos. Otra de estas estrategias puede ser la sustitución del cartílago a tiempo mediante el implante de las propias células del paciente, lo que puede prevenir la osteo artrosis degenerativa.

“El análisis cuantitativo de imagen está experimentando una revolución gracias a las técnicas de clasificación basadas en redes neuronales y a la posibilidad de crear grandes
bases de datos de imágenes. Las técnicas de deep learning permiten abordar problemas
de aprendizaje muy complejos de forma muy eficiente”, señala el doctor Norberto Malpica,
director del Laboratorio de Análisis de Imagen Médica y Biometría de la Universidad
Rey Juan Carlos.

Para llevar a cabo el proyecto, el centro médico madrileño utilizará equipos de resonancia magnética de última generación de GE Healthcare que incorporan sistemas inteligentes de análisis de datos. Estos sistemas han permitido ya, según los propios datos de CEMTRO, incrementar la productividad de las resonancias magnéticas (RM) hasta en un 30 %.

Según los resultados de un informe elaborado por la propia clínica, el centro incrementó de 131 a 149 el número de pruebas de RM realizadas en una semana gracias a la aplicación de un “Programa de Excelencia en Resonancia Magnética” en un solo equipo. Este incremento del número de resonancias magnéticas supone, a su vez, reducir a una cuarta parte el tiempo de espera de los pacientes para hacerse la prueba o dedicar más tiempo a cada paciente.