Un grupo de investigadores de la Case Western Reserve University, en EEUU, ha desarrollado un sistema pionero que mejora el diagnóstico y el tratamiento del cáncer. La MRF, o lo que es lo mismo, Magnetic Resonance Fingerprinting, es una resonancia capaz de detectar la eficacia de la quimioterapia tras el suministro de una sola dosis.
El diseño de los escáneres para el diagnóstico rápido y preciso de enfermedades supone un gran desafío computacional, que requiere de aproximaciones innovadoras. En este sentido, los investigadores de Case Western Reserve han encontrado la solución a esta problemática en los algoritmos creados por el equipo de computación cuántica de Microsoft.
Estos algoritmos, creados para aprovechar las ventajas de los ordenadores cuánticos del futuro en ordenadores convencionales, se basan en los principios de la física cuántica para resolver problemas computacionales extremadamente complejos. También son muy útiles cuando hablamos de escenarios en los que el objetivo perseguido es la optimización en el funcionamiento de sistemas complejos, ya que habitualmente esto requiere de una potencia de cálculo que rebasa los límites de la tecnología actual. Estos avances pueden ayudar a los médicos a detectar el cáncer y otras patologías que afectan a los tejidos en un estadio más temprano de la enfermedad y evitar así procedimientos más invasivos, como las biopsias.
Un salto cualitativo que mejora la vida de los pacientes
Magnetic Resonance Fingerprinting es una técnica que proporciona a los médicos que interpretan una Resonancia Magnética por Imagen (MRI) una gran precisión a la hora de evaluar las propiedades de los tejidos. Dicho de otra manera, gracias a esta resonancia los oncólogos pueden elaborar diagnósticos con mayor precisión en lugar de confiar exclusivamente en su experiencia o en los procedimientos estándar.
El valor añadido de MRF se basa en la posibilidad de identificar cuál, de entre todo un universo exponencialmente inmenso de posibles secuencias de pulso de radiofrecuencia, producirá escaneos rápidos y con la suficiente precisión para distinguir entre tejido sano y diferentes manifestaciones patológicas. Debido a que cada secuencia está compuesta de numerosos pulsos individuales, que pueden variar en ángulo, intensidad o duración de manera individual, el número de secuencias potenciales para capturas complejas es inmenso. Tanto es así, que rivaliza con el número de átomos en el universo visible.
Las secuencias de pulso tomadas por los algoritmos de optimización de Microsoft brindan escaneos hasta tres veces más rápidos que los anteriores. El uso de dichos algoritmos aumenta el rendimiento, reduce costes y mejora el acceso a diagnósticos que pueden salvar vidas, sobre todo si consideramos que el solo uso de Resonancia Magnética por Imagen convencional puede alargar drásticamente los tiempos de espera.
Tecnología para dar respuesta a los desafíos de la humanidad
Los escáneres MRF pueden detectar cambios en tejidos como los del cerebro, que son invisibles con métodos convencionales, pero que son clínicamente más significativos que las alteraciones que los médicos pueden evaluar hoy en día. Todo ello puede ayudar a predecir mejor cómo va a evolucionar la enfermedad en un paciente o a determinar si los nuevos medicamentos son efectivos para combatir patologías como, por ejemplo, la esclerosis múltiple y la epilepsia. En la actualidad, la técnica ya es utilizada en una docena de centros médicos universitarios, y se espera una adopción más amplia en los próximos años.
Microsoft sigue avanzando en el desarrollo de la computación cuántica también a través de Microsoft Quantum Network, una red que permite la colaboración entre empresas, startups y personas que quieran investigar sobre servicios innovadores inspirados en la tecnología cuántica. La mayor ventaja de los algoritmos de inspiración cuántica es que ya permiten acelerar la investigación, utilizando para ello la nube de Microsoft Azure u ordenadores convencionales, mientras que se continúa el desarrollo de un hardware específico que supondrá un salto cualitativo muy relevante.
Si (
No(
