Técnicas avanzadas en tomografía computarizada

Autora:

Irela Argüelles González T.E. Radiodiagnóstico

Introducción

La tomografía computarizada (TC) es una técnica de imagen médica ampliamente utilizada en el diagnóstico de diversas patologías. Desde su invención en la década de 1970, ha experimentado avances significativos que han mejorado la resolución de imagen, reducido la dosis de radiación y optimizado los tiempos de adquisición. Entre las innovaciones recientes destacan la TC espectral, la TC de energía dual, los algoritmos de reconstrucción iterativa y la integración de inteligencia artificial (IA). Estas mejoras han permitido una mayor precisión diagnóstica, especialmente en oncología, neurología y cardiología, reduciendo los riesgos asociados a la radiación ionizante (1).

Objetivos

1. Analizar los avances recientes en TC y su impacto en la calidad de imagen y seguridad del paciente.
2. Evaluar el papel de la inteligencia artificial y la reconstrucción iterativa en la optimización de los estudios de TC.

Metodología

Se realizó una revisión bibliográfica en bases de datos como PubMed, Scopus y Google Scholar. Se seleccionaron artículos publicados en los últimos cinco años que abordaran innovaciones en TC, con énfasis en la reducción de dosis de radiación, algoritmos de reconstrucción y aplicaciones de IA.

Palabras clave: tomografía computarizada, reducción de dosis, reconstrucción iterativa, inteligencia artificial, TC espectral, TC de energía dual.

Resultados

Reducción de dosis de radiación

Uno de los principales desafíos en TC es minimizar la exposición a la radiación sin comprometer la calidad de imagen.

Algunas estrategias clave incluyen:

• Modulación automática de la corriente del tubo: ajusta la dosis en función del tamaño y densidad del paciente (2).
• Reconstrucción iterativa: reduce el ruido en la imagen permitiendo estudios con menor radiación (3).
• Detectores de alta eficiencia: captan más fotones con menor dosis de radiación, optimizando la calidad de imagen (4).

TC espectral y de energía dual

La TC espectral y de energía dual han permitido diferenciar mejor los tejidos analizando su comportamiento en diferentes niveles de energía. Estas tecnologías son especialmente útiles en oncología para caracterizar tumores, en cardiología para evaluar placas ateroscleróticas y en neurología para mejorar la detección de hemorragias (5).

Inteligencia artificial en TC

La IA ha revolucionado el análisis de imágenes médicas al optimizar procesos como:

• Reducción del ruido en imágenes mediante algoritmos de aprendizaje profundo (6).
• Optimización de protocolos de adquisición, ajustando automáticamente los parámetros para cada paciente (7).
• Detección automatizada de patologías, mejorando la precisión diagnóstica y reduciendo tiempos de análisis (8).

Adquisición rápida y algoritmos avanzados

Los nuevos escáneres motorizados han reducido los tiempos de adquisición y los artefactos por movimiento, siendo fundamentales en estudios cardiovasculares y pediátricos. Además, los algoritmos de reconstrucción basados en inteligencia profunda han permitido mejorar la resolución espacial sin necesidad de aumentar la radiación (9).

Conclusiones

Las técnicas avanzadas en TC han optimizado la seguridad y eficacia de los estudios de imagen, reduciendo la dosis de radiación y mejorando la calidad diagnóstica. La reconstrucción iterativa, la TC de energía dual y la inteligencia artificial han impulsado una nueva era en el diagnóstico por imagen, permitiendo estudios más precisos y personalizados. Estos avances continúan evolucionando, consolidando la TC como una herramienta esencial en la Medicina moderna.

Bibliografía

1. Kalender WA. Computed Tomography: Fundamentals, System Technology, Image Quality, Applications. 3rd ed. Publicis; 2011.
2. McCollough CH, Yu L, Kofler JM, et al. Strategies for Reducing Radiation Dose in CT. Radiol Clin North Am. 2021;59(1):5-17.
3. Fessler JA. Iterative Image Reconstruction for Tomographic Imaging. IEEE Signal Process Mag. 2020;37(1):81-99.
4. Boone JM. High resolution CT imaging. Radiology. 2018;287(3):638-652.
5. Willemink MJ, Persson M, Pourmorteza A, et al. Photon-counting CT: Technical Principles and Clinical Applications. Radiology. 2018;289(2):293-312.
6. Lundervold AS, Lundervold A. An Overview of Deep Learning in Medical Imaging Focusing on MRI. Z Med Phys. 2019;29(2):102-127.