Un equipo interdisciplinario, liderado por el investigador de la Facultad de Ingeniería y Ciencias Aplicadas José Manuel Saavedra, desarrolla modelos generativos que permiten reconstruir imágenes de tomografías computarizadas con menos del 50% de radiación, sin perder calidad diagnóstica.
Un equipo liderado por el investigador de la Facultad de Ingeniería y Ciencias Aplicadas José Manuel Saavedra y el radiólogo Héctor Henríquez (Clínica Santa María) está desarrollando una innovadora tecnología basada en IA: modelos generativos capaces de reconstruir imágenes de tomografía computarizada (CT) -obtenidas con dosis de radiación significativamente reducidas- manteniendo una calidad diagnóstica comparable a las imágenes tradicionales.
En Chile, el uso de CT ha aumentado un 80% desde 2010, según datos de la OCDE. Este examen de diagnóstico por imágenes combina múltiples radiografías, desde distintos ángulos, para crear cortes transversales del cuerpo. Gracias a esta tecnología, los profesionales de la salud pueden observar con gran detalle órganos, huesos, vasos sanguíneos y tejidos blandos, permitiendo detectar enfermedades, lesiones internas, tumores y otras condiciones que requieren atención médica oportuna. Su uso es esencial en contextos de urgencia, en el diagnóstico y seguimiento del cáncer, y en la planificación de tratamientos complejos. Sin embargo, su uso intensivo también implica un riesgo: la exposición repetida a radiación ionizante tiene la capacidad de penetrar los tejidos del cuerpo y alterar el ADN de las células. Cuando la exposición es ocasional, el cuerpo puede reparar estos daños. Pero cuando la exposición es acumulativa -como ocurre con exámenes frecuentes o en pacientes de alto seguimiento clínico-, aumenta el riesgo de que estas alteraciones no sean corregidas adecuadamente, lo que puede provocar mutaciones celulares y, con el tiempo, enfermedades como el cáncer.
“Los modelos generativos de difusión son una nueva clase de algoritmos de inteligencia artificial capaces de crear imágenes detalladas y realistas a partir de entradas simples o incompletas. Funciona de manera inversa al ruido: el modelo parte de una imagen degradada o ruidosa (como una tomografía de baja dosis) y, paso a paso, “la limpia” hasta transformarla en una imagen clara y realista, como si se hubiese capturado con una dosis estándar de radiación. En este proyecto, el modelo aprende a reconocer patrones de las tomografías tradicionales y luego aplica ese conocimiento para reconstruir imágenes de alta calidad desde versiones tomadas con mucha menos radiación”, explica Saavedra, quien también es director del Laboratorio de Visión por Computador UANDES.
El académico e investigador agrega que reducir la dosis de radiación sin perder calidad de la imagen ha sido un gran desafío técnico y clínico enorme. “Nuestro modelo ha logrado generar imágenes precisas a partir de CT tomadas con más del 50% de reducción en la dosis”, detalla.
En cuanto al impacto social de esta investigación, Saavedra comenta: “además de mejorar la seguridad de los pacientes, esta tecnología puede facilitar el acceso a diagnósticos de calidad en centros médicos que no cuentan con equipamiento de última generación, aportando mayor equidad en el sistema de salud”.
El proyecto cuenta con financiamiento de ANID a través del programa Fondef IDEA (ID24i10053) y el respaldo de AMIRADI S.A., empresa nacional con más de 30 años de experiencia en radiología, que contribuye con la visión práctica de radiólogos subespecialistas y tecnólogos médicos.
}La iniciativa es fruto de un trabajo interdisciplinario que reúne a investigadores de diversas instituciones: Violeta Chang; Aline Xavier; Julio Serrano y Anahís Rojas (USACH); José Delpiano (académico e investigador de la Facultad de Ingeniería y Ciencias Aplicadas UANDES); Tomás de la Sotta (doctorado, UANDES) y Camila Figueroa (UCH).
