Una investigadora navarra crea un sistema de IA que mejora el análisis de pruebas para enfermedades graves
La ingeniera biomédica Anne Oyarzun Domeño (Pamplona, 1997) ha desarrollado un sistema basado en inteligencia artificial para facilitar el análisis de imágenes médicas y mejorar el estudio de enfermedades renales y cardíacas.
En concreto, la tesis con la que se ha doctorado en la Universidad Pública de Navarra (UPNA) recoge un método para medir de manera precisa y automática la perfusión sanguínea, es decir, el flujo de sangre que llega a los órganos, fundamental para su buen funcionamiento.
La investigación se ha centrado en el uso de imágenes obtenidas mediante una técnica de resonancia magnética llamada Arterial Spin Labeling (ASL).
Esta técnica permite visualizar el flujo sanguíneo sin necesidad de administrar sustancias de contraste, lo que la convierte en una herramienta muy útil para analizar de forma no invasiva el volumen de sangre en tejidos como el riñón o el miocardio, que es el músculo del corazón responsable de bombear la sangre al resto del cuerpo.
Enfermedades crónicas beneficiadas
“Las patologías crónicas, como la enfermedad renal crónica y la enfermedad arterial coronaria, representan un desafío clínico significativo debido a su alta prevalencia y su impacto en la calidad de vida de los pacientes —explica Anne Oyarzun sobre dos condiciones que se benefician del uso de esta técnica de resonancia magnética llamada Arterial Spin Labeling (ASL)—. En ambos casos, la evaluación precisa de la perfusión tisular es fundamental para detectar alteraciones en el flujo sanguíneo, monitorear la progresión de la enfermedad y evaluar la respuesta al tratamiento”.
Una de las principales aportaciones de esta tesis ha sido la creación de un marco de procesado de imagen, es decir, un conjunto de herramientas digitales capaces de analizar automáticamente las imágenes obtenidas con ASL. Estas herramientas utilizan aprendizaje profundo, una rama de la inteligencia artificial que, imitando el funcionamiento del cerebro humano y mediante abundantes ejemplos, entrena al sistema para que aprenda a reconocer patrones complejos, como los que aparecen en imágenes médicas.
La tesis ha abordado retos técnicos como la falta de herramientas específicas para analizar este tipo de imágenes mediante inteligencia artificial. Entre las soluciones desarrolladas, se incluye la alineación automática de imágenes renales, un procedimiento que permite colocar las distintas imágenes captadas en el mismo punto de referencia para poder compararlas correctamente; la segmentación de estructuras internas del riñón, que consiste en identificar de forma automática las diferentes zonas del órgano (como la corteza o la médula) a partir de una imagen médica y así facilitar la medición del flujo sanguíneo; y la generación de imágenes sintéticas, es decir, la creación de imágenes simuladas mediante inteligencia artificial que ayudan a entrenar mejor los modelos cuando hay pocos datos disponibles de pacientes reales.
Cálculo del flujo de sangre
Además, la investigadora ha desarrollado un sistema automatizado para calcular la perfusión renal, lo que permite medir de forma precisa y rápida cuánto flujo de sangre llega al riñón. Este cálculo, que antes podía requerir la intervención de especialistas y llevar más tiempo, se puede realizar ahora con mayor eficacia y fiabilidad gracias a los algoritmos diseñados en esta tesis. El método ha sido también adaptado para analizar el flujo sanguíneo en el miocardio, lo que, según Anne Oyarzun, “podría contribuir a mejorar el diagnóstico de enfermedades cardíacas”.
La tesis doctoral ha sido dirigida por dos investigadoras del Instituto de Investigación Sanitaria de Navarra (IdiSNA): Arantzazu Villanueva Larre, catedrática e investigadora del Instituto de Smart Cities (ISC) de la UPNA, y María Asunción Fernández Seara, directora del Laboratorio de Imagen Biomédica de la Clínica Universidad de Navarra.
Este trabajo se enmarca en las líneas de trabajo del grupo de investigación Ingeniería Biomédica de la UPNA, que, dirigido por el profesor Javier Rodríguez Falces, está especializado en el análisis de señales e imágenes médicas, el desarrollo de sensores biomédicos y la aplicación de inteligencia artificial en el ámbito sanitario.
Breve currículum
La autora de la tesis, Anne Oyarzun, cursó el grado en Ingeniería Biomédica en la Universidad de Mondragón, lo que le permitió realizar su trabajo de fin de grado en la empresa Medtronic. Posteriormente, completó un Máster en Ingeniería Biomédica, con especialización en procesado de imagen y señales, en la Universidad Pública de Navarra. Para completar el posgrado, desarrolló en el centro tecnológico Vicomtech su trabajo de fin de máster, centrado en la aplicación de inteligencia artificial para la segmentación de aneurismas de aorta en imágenes de tomografía computarizada.
Durante su etapa como doctoranda en la UPNA, Anne Oyarzun realizó una estancia de investigación en la Universidad de Heidelberg (Alemania). La tesis doctoral ha dado lugar a dos artículos científicos y más de siete comunicaciones en congresos internacionales.