La fórmula matemática permite detectar los ganglios basales, estructuras subcorticales ubicadas en la profundidad de los hemisferios cerebrales, lo cual facilitaría la identificación de la enfermedad.

La principal función de los ganglios basales está relacionada con el control de las áreas motora, emocional y cognitiva de un ser humano. Por tal motivo, las enfermedades relacionadas con cualquiera de estas tres áreas por lo general están ligadas a lesiones o alteraciones en estas estructuras.

Esto motivó a los estudiantes de maestría y doctorado del Grupo de Control y Procesamiento Digital de Señales, de la Universidad Nacional de Colombia (U.N.) Sede Manizales, a diseñar un algoritmo de segmentación de estructuras cerebrales en imágenes médicas, a través de técnicas de visión por computador y aprendizaje de máquina.

“El algoritmo de segmentación, que ya está listo y en funcionamiento, identifica e informa la posición, volumen y forma de los ganglios basales, características importantes en el análisis y entendimiento de diferentes patologías. También, permite encontrar marcadores biomédicos para desórdenes neurológicos, que ayudan en el diagnóstico de enfermedades o la planeación de su tratamiento”, explica Mauricio Orbes Arteaga, uno de sus creadores.

El algoritmo fue diseñado para la segmentación de ganglios basales dada la importancia en el seguimiento y planeamiento quirúrgico de pacientes con párkinson. Se trata de un desarrollo conjunto, realizado con la Universidad Tecnológica de Pereira, la Universidad del Quindío y Neurocentro del Café.

La división de este tipo de estructuras es un desafío principalmente por el bajo contraste y la alta variabilidad anatómica, lo cual hace difícil su identificación, incluso para los expertos clínicos.

Dada la complejidad de la tarea y el nivel de precisión requerido en aplicaciones médicas, el algoritmo está basado en una técnica de segmentación multi-atlas, que utiliza un conjunto de imágenes de entrenamiento o atlases, correctamente divididas por expertos.

La idea es utilizar técnicas de aprendizaje de máquina, con el fin de extrapolar la segmentación de las estructuras de un nuevo paciente a partir del conjunto de imágenes de entrenamiento.

Durante el desarrollo de la nueva metodología se evidenciaron otros hallazgos importantes, como una nueva estrategia de representación de imágenes de resonancia magnética, la cual permite la clasificación demográfica de pacientes de una determinada población. Además, fue el inicio para el desarrollo de otras aplicaciones como es el caso de la identificación de pacientes con alzhéimer.

Por otra parte, este trabajo ha sido reconocido en diferentes eventos científicos. Por ejemplo, fue nominado al premio de mejor artículo de investigador joven en “International Conference on Image Analysis and Processing 2015”, en Génova (Italia). Asimismo, el método fue ranqueado en los primeros lugares en dos desafíos internacionales de segmentación, con un acierto de 86 % en segmentación de estructuras subcorticales y 89 % en cuello y cabeza.

Este algoritmo forma parte del módulo de segmentación del software Neuroplanner, que fue el resultado del proyecto de investigación el cual originó este estudio, cuyo resultado es utilizado en el Neurocentro del Café.

De esta forma, los médicos cuentan con una plataforma que permite segmentar estructuras cerebrales con alta precisión, mientras reduce los recursos humanos utilizados en esta tarea.

“En el ámbito mundial, el 65 % de los pacientes que padecen párkinson necesitan ser operados, por tanto, requieren planeamiento quirúrgico, y la segmentación es importante en esta tarea”, puntualiza, el estudiante de Maestría en Ingeniera-Automatización Industrial, Orbes Arteaga.