Estimación de la edad cerebral neonatal a partir de imágenes de resonancia magnética ponderadas en T2 mediante análisis de regresión poco profundo

Por qué importa el momento en cerebros tan pequeños

En las primeras semanas de vida, el cerebro de un bebé crece a un ritmo asombroso, transformándose día a día. Los médicos que atienden a recién nacidos prematuros y a término desean una forma precisa de saber si ese crecimiento sigue su curso esperado, mucho antes de que los retrasos se manifiesten en el comportamiento. Este estudio muestra cómo las exploraciones detalladas por RM de los cerebros de los recién nacidos pueden convertirse en una estimación precisa de la “edad cerebral”, ofreciendo a los clínicos una ventana temprana y sensible sobre la salud cerebral.

Medir la edad más allá del calendario

Normalmente se describe a los recién nacidos por el número de semanas transcurridas desde la concepción, conocido como edad postmenstrual. Sin embargo, dos bebés de la misma edad cronológica pueden presentar una maduración cerebral muy distinta, sobre todo si uno nació de forma prematura. La resonancia magnética (RM) puede captar la estructura cerebral sin radiación, revelando cómo se profundizan los pliegues y cómo cambian los tejidos a medida que los bebés crecen. Los investigadores se propusieron convertir estas imágenes ricas en información en un único número: cuántas semanas parece tener el cerebro, en comparación con el desarrollo típico. Las diferencias entre esta edad cerebral y la edad real del bebé podrían señalar una maduración inusualmente lenta o rápida.

Explorando cientos de recién nacidos

El equipo utilizó datos de RM de 885 recién nacidos del Developing Human Connectome Project, incluyendo tanto prematuros como a término entre las 26 y 46 semanas de edad postmenstrual en el momento del escáner. Todos los bebés fueron escaneados durante el sueño natural en un sistema de RM neonatal especializado, produciendo imágenes ponderadas en T2 de alta calidad que ponen de relieve las diferencias entre tejidos cerebrales. Antes de cualquier análisis se eliminaron los tejidos no cerebrales como el cráneo, se corrigió el brillo de las imágenes y cada cerebro se remuestreó a un tamaño y resolución estándar para que los cerebros de distintos lactantes pudieran compararse de forma significativa.

Alinear cerebros y elegir la referencia adecuada

Un paso central del trabajo fue decidir cómo alinear el cerebro de cada bebé con un cerebro de referencia, llamado plantilla. Los autores compararon tres opciones: una plantilla ajustada a la edad de cada bebé, una plantilla única construida a partir de cerebros de recién nacidos a término de 40 semanas, y una plantilla neonatal seleccionada al azar. También probaron dos maneras de ajustar cada cerebro a estas plantillas: una corrección lineal más simple que escala y rota el cerebro, y una combinación más flexible de deformación lineal y no lineal que puede afinar las formas locales. Estas decisiones son importantes porque una mejor alineación permite al ordenador centrarse en diferencias de desarrollo reales en lugar de en desplazamientos y distorsiones irrelevantes.

Convertir imágenes en números que la máquina pueda aprender

Cada exploración cerebral alineada contiene millones de pequeños elementos de volumen, o vóxeles, muchos más de los que se pueden introducir directamente en un modelo predictivo. Para resolver esto, el equipo empleó una técnica matemática que comprime los datos en un conjunto más pequeño de componentes que capturan los principales patrones de variación entre los bebés. Luego ordenaron estos componentes según la fuerza con la que se correlacionaban con la edad y conservaron solo los más informativos. Con estas características, entrenaron tres métodos de regresión consolidados —regresión de procesos Gaussianos, regresión por vectores de soporte y regresión por vectores de relevancia— para predecir la edad cerebral, comprobando el rendimiento con validación cruzada repetida de modo que cada bebé sirviera como prueba no vista en algún momento.

¿Qué tan cerca puede estar la edad cerebral de la realidad?

Cuando las imágenes se alinearon mediante deformaciones lineales y no lineales a una plantilla específica por edad, las estimaciones de la edad cerebral fueron notablemente precisas. Los mejores modelos fallaron en la edad real por aproximadamente 0,44 semanas de media —menos de medio semana— con alrededor del 95 % de la variación en la edad explicada por los datos de imagen. Usar una plantilla de término completo produjo errores algo mayores, y usar una plantilla aleatoria fue lo peor, especialmente para los prematuros. El registro más flexible superó consistentemente al enfoque lineal más simple, aunque las mejoras fueron lo bastante moderadas como para que el método más simple siga siendo atractivo cuando la capacidad de cálculo es limitada. Entre los tres métodos predictivos, la regresión de procesos Gaussianos ofreció el mejor equilibrio entre precisión y estabilidad.

Qué significa esto para comienzos frágiles

Al elegir con cuidado cómo se alinean y resumen las exploraciones cerebrales neonatales, este trabajo demuestra que una única RM puede proporcionar una estimación muy precisa de cuán maduro es el cerebro de un bebé, hasta el orden de unos pocos días. Una medida así de “edad cerebral” podría ayudar a los clínicos a detectar rezagos sutiles en el desarrollo de bebés prematuros o en situación de alto riesgo mucho antes de que los problemas sean visibles en el comportamiento o el movimiento. Aunque el estudio se basa en un único tipo de RM y en datos de un proyecto de investigación específico, sienta las bases para herramientas prácticas que podrían seguir el crecimiento cerebral temprano de forma más objetiva, apoyando intervenciones más precoces durante un periodo en el que el cerebro es especialmente sensible a la ayuda.

Cita: Taji, S.M., Kazemi, K., Qodrati, Z. et al. Neonatal brain age estimation from T2-weighted magnetic resonance images using shallow regression analysis. Sci Rep 16, 9980 (2026). https://doi.org/10.1038/s41598-026-40336-6

Palabras clave: desarrollo cerebral neonatal, estimación de la edad cerebral, RM neonatal, bebés prematuros, aprendizaje automático