El objetivo de la Stream 1 es desarrollar métodos basados en física e inteligencia artificial para reducir y simplificar los tiempos de exploración, aumentar el número de parámetros cuantificables y mejorar la caracterización de enfermedades, asegurando reproducibilidad entre distintos equipos y centros médicos. Buscamos superar las limitaciones actuales de las imágenes médicas, como la falta de cuantificación integral, la integración con otros datos clínicos y los altos costos operativos, mediante el desarrollo de técnicas innovadoras que integren IA, física de imágenes y datos multiparamétricos, desde la adquisición hasta el diagnóstico clínico.
Investigación
Áreas de Investigación
Línea de investigación
Stream 1: Imágenes médicas inteligentes y completamente cuantitativas
Línea de investigación
Stream 2: Imágenes médicas informadas por la física y potenciadas por inteligencia artificial
El objetivo de la Stream 2 es desarrollar métodos de IA informados por física que aprovechen las sinergias entre las modalidades de imagen médica (ultrasonido, resonancia magnética, etc.), a lo largo de todo el proceso (desde la adquisición hasta el diagnóstico y pronóstico), y entre diferentes especificaciones (equipos de imagen médica convencionales y de menor costo) para mejorar la eficiencia (escaneos más rápidos/menor dosis de radiación), la eficacia (captura de un espectro más amplio de procesos relacionados con enfermedades) y la accesibilidad (soluciones para sistemas convencionales y de menor costo).
Línea de investigación
Stream 3: Inteligencia artificial explicable para el análisis integrado, reporte y diagnóstico de imágenes médicas y datos clínicos no basados en imágenes
El objetivo de la Stream 3 es desarrollar métodos de Inteligencia Artificial Explicable (XAI) auto-supervisados que integren imágenes médicas junto a otros datos de los pacientes (sensores fisiológicos, reportes clínicos, factores de riesgo, etc.) para proporcionar un análisis clínico asistido por IA preciso, confiable e interpretable. El desarrollo de métodos más explicables para el usuario final apoyaría significativamente la toma de decisiones y la la confianza de los profesionales de la salud.
Línea de investigación
Stream 4: Fenotipado poblacional para enfermedades cardiovasculares, hepáticas y cáncer
El objetivo de la Stream 4 es mejorar el diagnóstico y pronóstico de enfermedades cardiovasculares, hepáticas y oncológicas, traduciendo los avances técnicos de los Streams 1 a 3, así como correlacionando los fenotipos de imágenes derivados de la IA con descriptores clínicos, datos no imagenológicos y resultados. También buscamos reducir el sesgo en la investigación en la generación de modelos de IA debido a la falta de representación en los conjuntos de datos disponibles, generando una base de datos chilena de imágenes médicas (iHEALTH-BB).
Proyectos de Investigación
Proyecto de investigación
Tecnologías de imágenes médicas para el diagnóstico temprano y no invasivo de enfermedades
Las imágenes médicas son esenciales para la toma de decisiones clínicas no invasivas. Sin embargo, todavía carecen de una caracterización integral y cuantitativa de la enfermedad (requerida para la medicina de precisión), no están integradas con otros datos médicos de los pacientes y son costosas. El costo de las imágenes médicas, como la resonancia magnética (MRI), la tomografía computarizada (CT), el ultrasonido (US) y la tomografía por emisión de positrones (PET) están asociados con los costos operativos (escáner/tiempo del personal), la necesidad de personal altamente capacitado y el propio equipo. Para superar estos desafíos, en iHEALTH tenemos como objetivo desarrollar métodos innovadores que integren la física/ingeniería de imágenes médicas, otros datos médicos de los pacientes y la inteligencia artificial (IA), desde la adquisición de datos hasta la toma de decisiones clínicas, y evaluarlos en hospitales de Chile.
Proyecto de investigación
Problemas inversos para la reconstrucción de imágenes médicas y reducción de los tiempos de escaneo
Las imágenes médicas requieren un modelo analítico de la adquisición y la resolución de problemas inversos para reconstruir imágenes a partir de datos sin procesar (medidos en un dominio diferente, por ejemplo, el dominio (p. ej., fibrosis, inflamación) . que luego se utilizan para el análisis y la interpretación. iHEALTH En iHEALTH, nuestro objetivo es desarrollar métodos innovadores que incorporen modelos físicos de la adquisición y del órgano de interés en el proceso de reconstrucción, así como explotar sinergias entre las modalidades de imágenes médicas, las diferentes etapas del proceso de imágenes médicas y/o entre sistemas con diferentes especificaciones. Esto con el objetivo de mejorar las imágenes médicas, su eficiencia (escaneos más rápidos y/o con menor dosis de radiación), eficacia (captura de un espectro más amplio de procesos relacionados con enfermedades) y accesibilidad (soluciones para sistemas regulares y de menor costo).
Proyecto de investigación
Métodos de inteligencia artificial informados por la física para imágenes médicas adquisición, procesamiento y diagnóstico
Se han propuesto métodos basados en inteligencia artificial (IA) para automatizar varios aspectos del proceso de imágenes médicas, incluida la adquisición, el procesamiento y el diagnóstico de imágenes médicas. Sin embargo, la mayoría de las soluciones actuales se basan en modelos genéricos basados en datos que requieren grandes conjuntos de entrenamiento, que generalmente no están disponibles en el área de imágenes médicas. Además, la mayoría de las soluciones actuales se desarrollan para poblaciones y tecnologías específicas y, en su mayoría, carecen de interpretabilidad. En iHEALTH, nuestro objetivo es desarrollar métodos innovadores que incorporen modelos físicos de la generación de la señal para las distintas técnicas de imágenes médicas así como del órgano de interés en soluciones de IA informadas por la física. Esto permitirá explotar tanto la información proveniente de los datos como aquella proveniente de la física subyacente para mejorar la adquisición, el procesamiento y el diagnóstico de imágenes médicas.
