IA diminui tempo de processamento de técnica especial de MRI cerca de 100 vezes

O imageamento por ressonância magnética (MRI, magnetic resonance imaging) já se estabeleceu com um exame corriqueiro para a visualização tridimensional de órgãos e tecidos. É um exame que não apresenta riscos e proporciona imagens precisas do interior do corpo, permitindo diagnósticos anatômicos certeiros. Alguns avanços mais recentes permitiram o estabelecimento do chamado MRI 4D, que, através de técnicas de gravação especiais, adiciona a dimensão do tempo, mostrando o fluxo sanguíneo. Essa informação é muito útil para, por exemplo, detectar doenças do sistema cardiovascular. Atualmente, entretanto, o processamento das imagens geradas por essa técnica é lento. Apesar de a aquisição levar cerca de 4 minutos, o processamento pode demorar até 25 minutos, o que muitas vezes não permite ao médico esperar pelo resultado para continuar o atendimento de um paciente. Por essa razão, o fluxo sanguíneo costuma ser avaliado por ultrassom, método mais rápido mas menos preciso.

Mas um passo importante na disseminação da técnica em ambiente clínico foi dado no mês passado, com a publicação do trabalho de pesquisadores associados ao Instituto Federal de Tecnologia de Zurique e à Universidade de Zurique, na Suíça. Eles desenvolveram uma rede neural capaz de processar o sinal gerado pela máquina em imagens do tipo 4D num intervalo de tempo muito menor. O algoritmo foi batizado de FlowVN, e combina a etapa de treinamento com conhecimento prévio das mensurações. Dessa forma, ele se torna capaz de generalizar a partir de um número muito reduzido de exemplos. A propósito, o sistema se revelou eficiente utilizando apenas 11 leituras de MRI de sujeitos saudáveis para treinamento, sendo depois capaz de reconstruir o fluxo sanguíneo patológico na aorta de um paciente, em um computador ordinário, em apenas 21 segundos.

Durante a pesquisa, a reconstrução dos dados foi feita offline, mas agora os cientistas querem integrar o sistema em máquinas clínicas de MRI. Dessa forma, vai ser possível realizar estudos maiores, e assim disponibilizar soluções similares com foco em outras aplicações médicas.

Os pesquisadores estão disponibilizando em formato open source seus códigos para teste e inferência e para análise, assim como os dados utilizados, para que possam ser reproduzidos por outros cientistas independentes, e também melhorados e expandidos.