Un método basado en IA reduce un 90% el tiempo para obtener resonancias magnéticas

Redacción, 31-05-2026.- Dos investigadores del Instituto de Neurociencias (IN), centro mixto del Consejo Superior de Investigaciones Científicas (CSIC) y la Universidad Miguel Hernández de Elche (UMH), han desarrollado una nueva estrategia basada en inteligencia artificial y simulaciones computacionales que permite obtener información detallada del cerebro de forma más rápida a partir de resonancias magnéticas con menos datos de los habituales.

El método, publicado en la revista Communications Medicine, consigue reducir hasta un 90% el tiempo necesario para ciertas resonancias avanzadas manteniendo un alto nivel de precisión, lo que abre la puerta a técnicas de diagnóstico por imagen (neuroimagen) más eficientes y accesibles en el entorno clínico.

Tal y como recoge el CSIC, en la actualidad, para procesar las resonancias cerebrales avanzadas, investigadores y médicos suelen depender de grandes cantidades de imágenes del paciente, que debe permanecer inmóvil dentro de un escáner entre 30 y 60 minutos. Solo recientemente han comenzado a aparecer sistemas de inteligencia artificial entrenados con enormes colecciones de resonancias magnéticas de pacientes, datos difíciles de recopilar y que además plantean preocupaciones sobre la privacidad.

Ahora, este estudio propone un cambio de enfoque en el uso de la inteligencia artificial (IA) aplicada a la neuroimagen. En lugar de entrenar los modelos con datos reales de pacientes, el equipo ha utilizado un modelo basado en la física del proceso de difusión en el tejido cerebral para generar simulaciones que imitan de forma realista las resonancias magnéticas de pacientes reales. A partir de estos datos, se entrenan redes neuronales —sistemas computacionales inspirados en las neuronas biológicas— que permiten ajustar parámetros del modelo para que actúen como biomarcadores del estado del tejido, utilizando un número muy reducido de imágenes de resonancia magnética.