Objetivos y Datos
Acerca del Proyecto
La epilepsia puede afectar significativamente la calidad de vida, especialmente en pacientes con epilepsia farmacorresistente, en los que la medicación no controla adecuadamente las crisis. Una de las principales causas es la displasia cortical focal (DCF), una malformación sutil de la corteza cerebral que a menudo es invisible en las resonancias magnéticas convencionales. Como resultado, hasta la mitad de los casos pueden pasar desapercibidos, retrasando el tratamiento y aumentando los riesgos asociados.
Nuestro proyecto aborda este desafío mediante la creación de un sistema de inteligencia artificial que mejora la resolución de las resonancias y ayuda a detectar estas lesiones sutiles. El objetivo no es reemplazar a los clínicos, sino ofrecer una herramienta de apoyo a la toma de decisiones que mejore la calidad de las imágenes de resonancia, reduzca errores diagnósticos, acorte el tiempo de evaluación, y aumente la precisión en la localización de los focos epilépticos para la planificación quirúrgica.
Objetivos
El objetivo principal de este proyecto es desarrollar una plataforma impulsada por inteligencia artificial capaz de detectar, localizar y analizar automáticamente la epilepsia focal no lesional en imágenes de resonancia magnética. Los objetivos específicos incluyen:
Recopilación y etiquetado de datos – Construir un conjunto de datos completo de imágenes de resonancia de pacientes con epilepsia focal no lesional y de individuos sanos, asegurando una representación equilibrada por género.
Mejora de imágenes – Desarrollar modelos probabilísticos de difusión para superresolución que mejoren las imágenes de resonancia de 1,5T, haciendo más visibles las características sutiles asociadas a la epilepsia.
Generación de imágenes sintéticas – Generar imágenes de resonancia realistas con focos epilépticos etiquetados para ampliar el conjunto de entrenamiento de los modelos de IA.
Detección y segmentación automatizada – Entrenar redes neuronales profundas para identificar y localizar patrones de epilepsia focal no lesional utilizando conjuntos de datos reales y sintéticos.
Validación clínica – Colaborar con el personal médico para evaluar los algoritmos de IA e investigar posibles diferencias de género en la presentación de la enfermedad.
Optimización e integración de modelos – Probar, refinar y combinar los modelos en un flujo de trabajo unificado para lograr la máxima precisión en la detección y caracterización.
Desarrollo de aplicación web – Crear una plataforma en línea fácil de usar que permita a radiólogos y neurólogos utilizar el sistema de IA en la práctica clínica.
Impacto Científico y Clínico
Mejores imágenes, mejor detección – Los modelos avanzados de difusión profunda generan imágenes de resonancia de mayor resolución y datos sintéticos para mejorar la precisión en la detección de lesiones.
Tecnología accesible – Los hospitales con resonadores de 1,5 Tesla pueden mejorar la capacidad diagnóstica sin necesidad de costosos equipos nuevos.
Apoyo a la decisión clínica – Una aplicación web permitirá a radiólogos y neurólogos cargar imágenes, visualizar resultados mejorados y beneficiarse de la detección asistida por IA de lesiones relacionadas con la epilepsia.
Contribución a la investigación – Los resultados se difundirán mediante publicaciones, conferencias y conjuntos de datos anonimizado, apoyando el avance global en imagen médica y atención de la epilepsia.
En conjunto, estos avances permitirán mejorar el diagnóstico temprano y apoyar una planificación de tratamiento más eficaz para pacientes con epilepsia farmacorresistente.
Datos del proyecto
Título: «Detección automática de epilepsia focal no lesional mediante modelos neuronales profundos de difusión probabilística»
Código: PID2022-136764OA-I00
