Artefactos en resonancia magnética con IA: cómo eliminarlos

La realidad, como suele ocurrir en imagen médica, es más sucia y bastante menos épica.

Los algoritmos de reconstrucción basados en inteligencia artificial pueden suprimir ruido y artefactos de truncamiento —incluido el conocido artefacto de Gibbs— directamente desde los datos brutos del espacio k. En determinados protocolos también permiten reducir de forma notable el tiempo de adquisición. Pero una cifra máxima anunciada por un fabricante no equivale al resultado que obtendrá cualquier equipo, con cualquier paciente y en cualquier secuencia.

La diferencia importa. La calidad de imagen en resonancia magnética con IA no depende únicamente del modelo neuronal. También intervienen el campo magnético, la bobina utilizada, la secuencia, el nivel de aceleración, el tipo de paciente y la manera en que el algoritmo ha sido validado. La tecnología puede mejorar una reconstrucción deficiente, pero no convierte una adquisición mal planteada en una exploración perfecta.

La IA no «ve» la imagen: opera sobre los números crudos antes de que exista la imagen.

El procesamiento en el espacio k: la base de la reconstrucción inteligente

Para entender qué hace la IA conviene recordar de dónde viene el problema. La resonancia magnética no produce una fotografía: registra una señal que se organiza en el dominio del espacio k, una matriz de datos brutos que el escáner convierte después en una imagen mediante la transformada de Fourier.

El espacio k no es una representación visual de la anatomía. Contiene información codificada sobre el contraste y la distribución espacial de la señal. Las zonas centrales contribuyen sobre todo al contraste y a la relación señal-ruido; las frecuencias periféricas aportan parte de la definición de los bordes y los detalles finos. Si faltan datos, si se adquieren con ruido o si el paciente se mueve durante la secuencia, el problema termina manifestándose en la imagen reconstruida.

Una imperfección en esa señal puede traducirse en bandas paralelas, duplicaciones, pérdida de definición o fantasmas anatómicos. El movimiento, por ejemplo, introduce inconsistencias entre las distintas líneas del espacio k. El truncamiento de las frecuencias altas puede generar oscilaciones junto a los bordes de alto contraste. El ruido, por su parte, reduce la visibilidad de estructuras pequeñas y obliga a elegir entre aumentar el tiempo de adquisición o aceptar una imagen menos limpia.

La reconstrucción convencional aplica transformaciones matemáticas y filtros definidos de antemano. La reconstrucción basada en aprendizaje profundo intenta aprender la relación entre una adquisición degradada y una referencia de mayor calidad. La red recibe los datos de entrada y estima una reconstrucción que, en teoría, conserva la información anatómica relevante mientras reduce el ruido y los artefactos.

La diferencia clave está en dónde y cuándo actúa el modelo. Algunas soluciones trabajan directamente con los datos brutos, antes de que se genere la imagen final. Otras intervienen después de una primera reconstrucción. No son procesos equivalentes. Trabajar en el espacio k permite tener en cuenta la estructura de la adquisición desde el principio, mientras que un algoritmo aplicado sobre una imagen terminada corre más riesgo de confundir ruido, artefacto y anatomía.

Soluciones como AIR Recon DL de GE Healthcare procesan los datos crudos directamente en el espacio k, antes de la reconstrucción, para reducir el ruido subyacente y los artefactos de Gibbs o de truncamiento. La idea no es limpiar una imagen ya deteriorada como si se tratara de un filtro fotográfico, sino intervenir en la fuente matemática de la reconstrucción. El objetivo es mejorar la relación señal-ruido y la resolución efectiva sin modificar de forma indebida las propiedades del vóxel que el radiólogo necesita evaluar.

Otras plataformas emplean arquitecturas distintas o combinan la reconstrucción inteligente con técnicas de aceleración. AiCE, de Canon Medical, utiliza aprendizaje profundo supervisado para distinguir la señal magnética de los componentes de ruido introducidos durante la adquisición. SmartSpeed, de Philips, integra aceleración y reconstrucción para acortar el estudio manteniendo un nivel de ruido clínicamente aceptable en las secuencias compatibles.

Aquí la palabra importante es «supervisado». La red aprende a partir de pares de datos o de referencias consideradas de mayor calidad y replica esa relación en nuevos estudios. Eso no significa que el modelo comprenda la anatomía como lo hace un especialista. Significa que ha aprendido patrones estadísticos presentes en los datos de entrenamiento.

Yo suelo desconfiar de cualquier modelo que no explique con qué datos se entrenó, qué secuencias admite y qué límites tiene. En este punto, muchos fabricantes ofrecen más eslóganes que documentación pública. La lógica técnica puede ser legítima y los resultados, reproducibles en determinados contextos, pero una plataforma no debería evaluarse solo por la nitidez subjetiva de unas pocas imágenes seleccionadas.

Mecanismos de supresión de ruido y artefactos de truncamiento

El ruido y los artefactos de truncamiento son problemas distintos y conviene no mezclarlos. El ruido es una variación estadística que degrada la señal en cada vóxel. Puede hacerse más evidente cuando se acelera la adquisición, se reduce el número de promedios o se trabaja con secuencias que generan poca señal.

El artefacto de Gibbs aparece cuando se truncan las frecuencias altas del espacio k. En la imagen se percibe como una serie de oscilaciones o bandas junto a interfaces con un contraste intenso, por ejemplo en los límites entre líquido y tejido. No es exactamente ruido y no desaparece necesariamente aumentando el brillo o aplicando un suavizado convencional. Al contrario: un filtro demasiado agresivo puede ocultar el artefacto a costa de borrar también bordes reales.

El movimiento introduce otra familia de problemas. Una cabeza que cambia de posición durante la adquisición no produce simplemente una imagen más borrosa: puede crear inconsistencias entre las líneas recogidas en momentos diferentes. En determinadas secuencias aparecen fantasmas, duplicaciones o estructuras desplazadas. El aprendizaje profundo puede ayudar a corregir parte de estos efectos, especialmente cuando el movimiento puede modelarse y la red ha sido entrenada con ejemplos representativos. Pero no sustituye a la inmovilización, la comunicación con el paciente ni una secuencia bien planificada.

Las soluciones comerciales revisadas en publicaciones recientes atacan varios de estos frentes, aunque no siempre mediante el mismo mecanismo. AIR Recon DL trabaja sobre datos brutos y busca reducir simultáneamente ruido y artefactos de truncamiento. SmartSpeed combina aceleración de la adquisición con reconstrucción basada en IA y puede permitir estudios hasta aproximadamente tres veces más rápidos en determinadas condiciones. En el plano académico, también se han desarrollado modelos para corregir artefactos de movimiento rígido en resonancia magnética cerebral mediante funciones de pérdida que incorporan la consistencia de los datos, evaluadas con datos simulados y reales del espacio k.

La palabra decisiva es «determinadas». Una mejora obtenida en una secuencia concreta no se traslada automáticamente a todo el protocolo. El comportamiento de la red puede cambiar entre T1, T2, difusión, FLAIR, estudios con supresión grasa o secuencias tridimensionales de alta resolución. También puede variar entre fabricantes, versiones de software, bobinas y campos magnéticos.

Más rápida no siempre es mejor; menos artefactos, casi siempre sí.

La evaluación debería separar al menos cuatro preguntas:

• ¿Qué artefacto se pretende reducir: ruido, Gibbs, movimiento, aliasing o una combinación de varios?
• ¿En qué punto del flujo interviene la herramienta: adquisición, datos brutos, reconstrucción o posprocesado?
• ¿Qué información puede perderse al aumentar la aceleración o al suavizar la imagen?
• ¿Se ha probado el sistema con pacientes y secuencias parecidos a los de la práctica habitual?

La última pregunta suele ser la más incómoda. Un modelo entrenado con imágenes cerebrales puede no comportarse igual en estudios musculoesqueléticos. Una red validada en voluntarios cooperadores puede mostrar limitaciones cuando se enfrenta a pacientes con dolor, temblor, deterioro cognitivo o incapacidad para mantener una posición.

Cómo distinguir una corrección útil de una imagen simplemente más limpia

La imagen más agradable a la vista no siempre es la más fiable. Los algoritmos de reconstrucción tienden a reducir la textura granulada del ruido y a producir una imagen que el observador interpreta como más nítida. El problema aparece cuando la limpieza se confunde con fidelidad.

Una reducción excesiva del ruido puede eliminar variaciones sutiles de señal. En oncología, por ejemplo, una lesión pequeña, una fina alteración de la difusión o un borde infiltrativo pueden ser más importantes que la impresión general de nitidez. En músculo y articulaciones, la señal de una rotura parcial o de una lesión meniscal puede quedar afectada si el algoritmo ha aprendido que determinadas texturas son ruido.

Por eso, los errores de reconstrucción de IA en RM no deben buscarse únicamente en artefactos visibles. También pueden aparecer como cambios demasiado uniformes, bordes con aspecto artificial o pérdida de textura en zonas donde la variación de señal tiene valor diagnóstico. No siempre resultan obvios en una inspección rápida, y tampoco se detectan necesariamente con una métrica global de similitud.

En la práctica clínica conviene comparar la reconstrucción asistida por IA con una referencia convencional o con una adquisición de mayor calidad. La comparación debe realizarse sobre la misma anatomía, con la misma secuencia y, en la medida de lo posible, con parámetros equivalentes. Si solo se observa la imagen procesada, el lector puede acostumbrarse a su apariencia sin detectar qué se ha eliminado por el camino.

También importa la consistencia entre series. Una reconstrucción puede parecer excelente en una secuencia axial y comportarse peor en una adquisición coronal o sagital. En estudios oncológicos, la comparación temporal añade otra dificultad: una modificación del aspecto de la textura entre exploraciones puede confundirse con un cambio biológico si el protocolo de reconstrucción no se mantiene estable.

Impacto de la IA en la reducción de tiempos de adquisición y flujo clínico

La promesa de reducir los tiempos es concreta y, en parte, verificable. Diversos estudios y revisiones sistemáticas han descrito disminuciones importantes de la duración de la prueba, en algunos casos de hasta aproximadamente tres veces, según la secuencia, el campo magnético y el protocolo utilizado. En términos prácticos, determinados exámenes que ocupaban entre 30 y 60 minutos pueden situarse en rangos notablemente inferiores cuando se combinan adquisición acelerada y reconstrucción inteligente.

La plataforma e-SPADES, que integra HyperSpeed e HyperClarity impulsado por SwiftMR, declara ahorros de hasta un 60 % del tiempo de escaneo al combinar adquisición rápida con posprocesamiento destinado a reducir el ruido. Esa cifra debe interpretarse como un máximo declarado para configuraciones concretas, no como una expectativa universal.

Para el clínico, cada minuto menos en la camilla puede reducir cancelaciones por claustrofobia, disminuir la probabilidad de movimiento y facilitar la exploración de pacientes que no toleran bien una prueba prolongada. Para el gestor sanitario, la reducción del tiempo modifica la planificación de agendas y puede aumentar la capacidad del equipo. Para el paciente, significa una prueba más llevadera y, en algunos casos, la posibilidad de evitar sedación.

Pero el ahorro no aparece por arte de magia. El flujo completo debe estar optimizado: parámetros compatibles con el algoritmo, secuencias validadas por el fabricante, estaciones de trabajo capaces de procesar los datos y personal técnico que sepa cuándo activar el modo rápido y cuándo mantener un protocolo convencional.

La tabla no pretende coronar un ganador. Muestra que cada solución ataca una parte diferente del flujo. Quien evalúe una plataforma debería preguntar primero qué fase del proceso modifica y después qué exige a cambio: validación interna, cambios en los protocolos, actualización de hardware, revisión del radiólogo o limitaciones para determinadas secuencias.

Un estudio más corto tampoco es necesariamente un estudio más eficiente. Si la reducción de tiempo obliga a repetir secuencias, aumenta las dudas del lector o dificulta la comparación con exploraciones anteriores, parte de la ganancia desaparece. La métrica útil no es solo cuánto dura la adquisición, sino cuánto tarda el proceso completo hasta obtener una imagen apta para el diagnóstico.

Métricas de fidelidad: validación de la calidad de imagen mediante aprendizaje profundo

El marketing habla de imágenes más nítidas; la evaluación técnica habla de SSIM, PSNR, relación señal-ruido y reproducibilidad. Las revisiones sistemáticas sobre modelos de corrección de artefactos basados en aprendizaje profundo han comunicado, en determinados conjuntos de estudios de resonancia cerebral estructural de 1,5 teslas o superior, valores medios de SSIM cercanos a 0,92 y de PSNR en torno a 32,85 dB. Algunos sistemas también declaran mejoras importantes en la definición de imagen mediante filtrado inicial del ruido.

Estos números, aislados, dicen poco. Lo relevante es saber contra qué referencia se han calculado, qué tipo de imágenes se han utilizado y si los datos de prueba eran independientes de los empleados durante el entrenamiento.

El SSIM, o índice de similitud estructural, compara aspectos de la estructura y la apariencia de dos imágenes. Un valor alto puede indicar que la reconstrucción conserva bien los patrones generales, pero no garantiza que se hayan preservado todas las lesiones pequeñas. Las estructuras grandes pesan mucho en la métrica y pueden compensar un error localizado en una región clínicamente relevante.

El PSNR mide la relación entre la señal útil y el error respecto a una referencia. Es una herramienta útil para comparar reconstrucciones dentro de un experimento, pero tampoco equivale por sí sola a sensibilidad diagnóstica. Una imagen con buen PSNR puede seguir siendo inadecuada para responder a una pregunta clínica concreta.

La reproducibilidad plantea otra cuestión. Si una red ofrece una mejora visible en una máquina, ¿mantiene el resultado en otro equipo del mismo fabricante? ¿Y con otra bobina, otro campo magnético o una población distinta? La robustez entre centros es más difícil de demostrar que una mejora en un conjunto de prueba cuidadosamente seleccionado.

Lo que casi nunca debería perderse de vista es la métrica clínica: cuántas lesiones reales identifica el radiólogo, con qué grado de confianza y con qué tasa de falsos negativos frente a una reconstrucción convencional. Sin ese dato, hablamos de calidad técnica, no necesariamente de calidad diagnóstica.

Una imagen puede parecer más limpia y, aun así, contener menos información de la que necesita el diagnóstico.

Hay varias señales de alerta en una validación demasiado optimista:

1. La referencia no está bien definida. Una imagen considerada «limpia» puede ser una reconstrucción de alta calidad, una imagen sintética o una adquisición con parámetros diferentes. El resultado no significa lo mismo en cada caso.

2. La prueba procede del mismo entorno que el entrenamiento. Si la red se ha desarrollado y probado con datos de un único centro, el resultado puede reflejar las características de ese equipo más que una capacidad generalizable.

3. Se informa de la calidad global, pero no de los casos difíciles. Las medias pueden ocultar el comportamiento en pacientes que se mueven, tienen implantes o presentan anatomías alteradas.

4. No hay lectura clínica independiente. La valoración de radiólogos que conocen qué imágenes han sido procesadas puede estar influida por sus expectativas.

5. No se analiza la concordancia entre reconstrucciones. Si la imagen asistida por IA cambia la percepción de una lesión, esa discrepancia debe documentarse y revisarse, no descartarse como una diferencia estética.

La documentación que pediría a un proveedor debería incluir la metodología de entrenamiento, las secuencias compatibles, los resultados en cohortes externas y, cuando sea posible, un estudio de no inferioridad diagnóstica. También conviene solicitar ejemplos de fallos, no solo de éxitos. La transparencia sobre los límites es más útil para un servicio de radiología que una galería de imágenes impecables.

Desafíos actuales: límites de la corrección y supervisión radiológica

La IA en reconstrucción no es infalible. Tampoco es razonable exigirle que resuelva problemas que nacen de limitaciones físicas de la adquisición. Dos cuestiones críticas siguen abiertas en la literatura: la respuesta ante artefactos complejos y el riesgo de introducir información que no estaba presente en los datos.

Artefactos metálicos y secuencias específicas

Los artefactos metálicos producidos por prótesis, implantes o material de osteosíntesis no son simplemente una forma intensa de ruido. Pueden incluir pérdida de señal, distorsión geométrica y desplazamiento de la anatomía aparente. La susceptibilidad magnética del material altera el campo local y complica la codificación espacial. En esas condiciones, una red neuronal no parte de una imagen ligeramente degradada, sino de datos en los que puede faltar información o estar gravemente deformada.

Por eso existen secuencias específicas como MAVRIC o SEMAC, diseñadas para mitigar parte de los efectos de los implantes metálicos mediante estrategias de adquisición y corrección física. La IA puede complementar estos procedimientos en algunos flujos, pero no debe presentarse como un sustituto automático.

La eficacia de la IA frente a artefactos metálicos complejos cuando no se utilizan MAVRIC, SEMAC u otras técnicas específicas todavía no está bien establecida con precisión. El resultado puede depender del tipo de implante, su orientación, la región anatómica, la secuencia, el campo magnético y la cantidad de distorsión presente en los datos. Cualquier afirmación más tajante debería leerse con cautela, especialmente si procede únicamente de material comercial.

El riesgo de la alucinación anatómica

En este contexto, la palabra «alucinación» no se refiere a un chatbot. Describe la posibilidad de que una red neuronal reconstruya detalles plausibles que no estaban realmente contenidos en la señal original. Al intentar rellenar zonas de baja señal o corregir patrones conocidos de degradación, el modelo puede imponer una solución estadísticamente probable, pero no necesariamente verdadera para ese paciente.

Las soluciones supervisadas, entrenadas con pares de imágenes o datos de referencia, tienden a ser más controlables que los modelos generativos puros. Eso no elimina el riesgo. Si una lesión atípica no aparece en los datos de entrenamiento o si el artefacto altera precisamente la región que el modelo considera habitual, la reconstrucción puede resultar convincente y equivocada.

El radiólogo continúa siendo imprescindible porque la imagen reconstruida no es una medición directa de la anatomía. Es el resultado de una cadena que incluye adquisición, muestreo, reconstrucción y, en ocasiones, posprocesado. La supervisión debe centrarse en las zonas de interés diagnóstico y no limitarse a comprobar si la imagen resulta agradable de mirar.

Errores frecuentes al desplegar estas herramientas

Hay varios errores de implementación que se repiten cuando la tecnología se incorpora demasiado deprisa:

• Asumir que el modo rápido sirve para cualquier indicación. En secuencias con exigencia submilimétrica, como la detección de microadenomas hipofisarios o lesiones meniscales pequeñas, una modificación de la reconstrucción puede afectar a la información relevante.
• Confundir reconstrucción acelerada con reconstrucción diagnóstica. Acortar la prueba no significa que todas las series sean adecuadas para una primera lectura completa.
• Confiar en métricas agregadas. Un SSIM global excelente puede coexistir con una pérdida de definición en una región crítica.
• Cambiar el protocolo sin establecer una referencia. Si el servicio no conserva imágenes convencionales comparables, después será difícil saber si una diferencia procede del paciente, de la secuencia o del algoritmo.
• No registrar la versión del software. Las actualizaciones pueden modificar el comportamiento de la reconstrucción y afectar a la comparación longitudinal.
• Delegar la decisión en el técnico o en el sistema. La selección de una reconstrucción debe responder a la pregunta clínica, no a la disponibilidad automática de un botón.

Qué significa esto para el clínico que evalúa un despliegue

Si se está valorando incorporar reconstrucción con IA en un servicio, el orden de trabajo razonable no consiste en activar la opción más rápida y observar qué ocurre. Conviene construir una evaluación local, limitada y trazable.

Primero hay que identificar las secuencias y los campos magnéticos en los que la herramienta dispone de validación relevante. No basta con que el proveedor mencione «resonancia cerebral» o «estudios musculoesqueléticos»: hay que saber qué secuencias se emplearon, con qué aceleración y bajo qué condiciones.

Después conviene seleccionar una muestra de casos representativa de la práctica habitual. Debe incluir exploraciones de buena calidad y también estudios con movimiento, baja señal, anatomía compleja o antecedentes quirúrgicos. Si solo se prueba el sistema con pacientes cooperadores y adquisiciones ideales, la evaluación tendrá poco valor operativo.

Una puesta en marcha prudente puede seguir estos pasos:

1. Definir el objetivo clínico. No es lo mismo reducir el tiempo en pacientes claustrofóbicos que mejorar la resolución de una secuencia oncológica o compensar una adquisición limitada por movimiento.

2. Fijar una referencia convencional. La comparación debe hacerse con imágenes obtenidas mediante un protocolo conocido y no solo con una reconstrucción anterior de calidad incierta.

3. Aplicar una doble lectura durante el piloto. La revisión de la imagen convencional y de la imagen asistida por IA permite detectar discrepancias, cambios de confianza y posibles pérdidas de información.

4. Registrar los fallos y los casos dudosos. Las diferencias no deben archivarse como simples preferencias visuales. Hay que anotar si afectan a una lesión, un borde anatómico, una medición o una decisión clínica.

5. Revisar el resultado con un equipo multidisciplinar. Radiólogos, técnicos y responsables de física médica pueden detectar problemas distintos en el mismo protocolo.

6. Mantener una vía de retorno. Si la reconstrucción asistida no es fiable en una secuencia concreta, el servicio debe poder volver al método convencional sin interrumpir la atención.

7. Reevaluar tras las actualizaciones. Una nueva versión del algoritmo merece una validación proporcional al cambio, sobre todo si modifica la intensidad de la supresión de ruido o la velocidad de reconstrucción.

El piloto no tiene que perseguir una imagen espectacular. Tiene que responder a preguntas más incómodas: qué ocurre con las lesiones pequeñas, cómo se comporta la red fuera de sus condiciones ideales, si la interpretación cambia entre radiólogos y cuándo resulta preferible no utilizarla.

La reconstrucción basada en aprendizaje profundo ha dejado de ser una promesa para convertirse en una herramienta operativa. Los datos brutos del espacio k pueden procesarse con una precisión que hace unos años no estaba disponible en la práctica habitual, y la reducción del ruido puede facilitar estudios más rápidos y mejor tolerados. Pero la IA no corrige todos los problemas de la resonancia ni convierte automáticamente una adquisición acelerada en una exploración equivalente a cualquier protocolo convencional.

El balance es favorable cuando la herramienta está validada para la secuencia concreta, el objetivo clínico está bien definido y el radiólogo puede revisar el resultado con suficiente contexto. Lo que sigue exigiendo vigilancia crítica es todo lo que el algoritmo no explica: los casos límite, las alucinaciones puntuales, la pérdida de textura, las diferencias entre equipos y los artefactos metálicos complejos cuya respuesta sin MAVRIC o SEMAC aún no está bien establecida.

La pregunta correcta no es si la IA elimina los artefactos de resonancia magnética. La pregunta es qué artefactos reduce, en qué condiciones, con qué coste diagnóstico y con qué evidencia. Esa diferencia evita tanto el entusiasmo comercial como el rechazo automático. Y permite utilizar la tecnología donde realmente aporta valor: como una capa de reconstrucción supervisada, no como sustituto del juicio radiológico.