El trabajo es liderado por la académica Pamela Guevara, también investigadora del centro AC3E, y se basa en el análisis de resonancias magnéticas, lo que permite identificar patrones en la conectividad cerebral que caractericen a afecciones psiquiátricas o neurológicas para crear un método de detección automatizada.
Diagnóstico temprano y certero son cruciales al pensar en el mejor abordaje, control y pronóstico de las enfermedades, pero se vuelve un reto cuando se trata de condiciones que en primeras etapas no dan síntomas ni manifestaciones claras y también cuando la sintomatología es inespecífica o muchas veces compartida con otros cuadros que, sin embargo, requieren tratamientos muy diferentes.
Es el caso de muchos desórdenes psiquiátricos y de patologías neurológicas, que en su diverso conjunto ocupan un sitio muy importante entre las afecciones a la salud de la población global y nacional, entre las que se pueden mencionar el trastorno del espectro autista (TEA), esquizofrenia, trastorno bipolar o esclerosis múltiple para las que, desde Concepción, se está aportando a su mejor entendimiento y/o más oportuna detección mediante el desarrollo de nuevos métodos computacionales de análisis de imágenes cerebrales con un trabajo liderado por la doctora Pamela Guevara, académica de la Facultad de Ingeniería de la Universidad de Concepción (UdeC) e investigadora titular del Centro Avanzado de Ingeniería Eléctrica y Electrónica, (AC3E) de la Universidad Técnica Federico Santa María.
La investigación se está realizando en el marco de un proyecto Fondecyt titulado “Methods for tractography-based parcellation of the cortical Surface” financiado por la Agencia Nacional de Investigación y Desarrollo y que es ejecutado en colaboración con investigadores de entidades internacionales como Neurospin de Francia para los experimentos en el caso del TEA y patologías psiquiátricas y con la Universidad de Columbia de Estados Unidos para la esclerosis múltiple.
El estudio comenzó en 2019 y en específico se adentra en la conectividad cerebral. Y es que los avances científicos hechos en áreas como neurología, psiquiatría o neurociencias permiten afirmar que trastornos y/o patologías psiquiátricas y neurológicas están muy relacionadas con las conexiones en el cerebro, si bien aún en muchas afecciones, incluso conocidas desde hace décadas, no se sabe exactamente cómo se desarrollan y evolucionan en etapas tempranas.
Pamela Guevara ingeniera civil electrónica, doctora en Física y magíster en Información, Sistemas y Tecnología con especialidad en análisis de imágenes médicas, explica que el estudio se basa en el uso de resonancias magnéticas por difusión, cuyo análisis permite detectar el movimiento tridimensional del agua en los tejidos cerebrales, en particular, de la materia blanca, donde los axones de las neuronas (o fibras nerviosas) conforman los tractos cerebrales. A través de varios procesamientos, es posible reconstruir la trayectoria de las conexiones cerebrales más importantes.
Un primer objetivo ha sido lograr identificar patrones que revelen diferencias entre las distintas patologías y las alteraciones en la conectividad cerebral que se asocie a cada una para generar algoritmos y métodos o modelos informáticos de análisis de las resonancias para detectar de manera automatizada y precisa el desorden o patología. Los resultados son prometedores, en el caso del TEA la doctora Guevara destaca que se ha estudiado en adolescentes para comprender mejor la condición y que en esclerosis múltiple recientemente se ha evidenciado la posibilidad de una detección temprana de la enfermedad.
El actual proyecto que dirige la doctora Pamela Guevara continúa una senda de diversos trabajos e iniciativas que ha desarrollado desde sus estudios de postgrado en Francia y sirven como evidencia de base, siempre con el reto en el desarrollo de nuevos algoritmos inteligentes y métodos computacionales que permitan mejorar el análisis de las imágenes médicas-cerebrales. Al respecto, afirma que “la ingeniería se nutre con información desde la medicina, con la cual puede crear modelos más realistas que permiten detectar patrones y predecir. Con esto es posible comprender mejor las enfermedades, generar mejores y más precoces diagnósticos y apoyar el seguimiento de los pacientes”, sostiene.
En este sentido, la investigadora reconoce que “estos métodos aún están en etapa de investigación”, por lo que no se usan como un criterio diagnóstico y desde la UdeC se está en la frontera para contribuir a estudios que están ayudando sustantivamente a comprender mejor los desórdenes o enfermedades y la meta sería lograr su real aplicación, ya que pensando en lo complejo que se vuelven los diagnósticos de ciertas condiciones, porque sus síntomas se confunden con otras y se requieren diversos estudios como conductuales o porque no se manifiestan hasta etapas avanzadas, “es deseable que haya técnicas cuantitativas y automatizadas que permitan evaluar a pacientes”, sostiene. Algo que, sabe, posibilitaría llegar a veredictos médicos de manera rápida y precisa, iniciando prontamente el tratamiento adecuado y de la mano de técnicas no invasivas, lo que sin dudas es de un incuantificable potencial de impacto para la calidad de vida de las personas que tienen una afección, sus entornos y toda la sociedad.