La espectroscopia de resonancia magnética protónica in vivo (MRS) es una técnica no invasiva para monitorear los metabolitos cerebrales. Sin embargo, se ve desafiada por una baja relación señal-ruido (SNR), lo que a menudo requiere tiempos de escaneo prolongados para compensar. Uno de las técnicas convencionales para la reducción de ruido es el promediado de señales, que es inherentemente lento y puede causar incomodidad en los participantes, lo que limita su uso en entornos clínicos. Este estudio tuvo como objetivo desarrollar una estrategia híbrida de reducción de ruido que integra una aproximación de rango bajo y el modelo probabilístico de difusión de reducción de ruido (DDPM) para mejorar la calidad de los datos de MRS y acortar los tiempos de escaneo. Usando conjuntos de datos de MRS H públicamente disponibles de 15 sujetos, aplicamos el Casorati SVD y DDPM para obtener datos de línea base y funcionales durante una tarea de estimulación del dolor. Este método mejoró significativamente el SNR, dando como resultado resultados comparables o mejores que el promediado de 32 señales. También proporcionó las mediciones de metabolitos más consistentes y siguió adecuadamente los cambios temporales en los niveles de glutamato, correlacionando con las calificaciones de intensidad del dolor después del calentamiento. Estos hallazgos demuestran que nuestro enfoque mejora la calidad de los datos de MRS, ofreciendo una alternativa más eficiente a los métodos convencionales y ampliando el potencial para el monitoreo en tiempo real de los cambios neuroquímicos. Esta contribución tiene el potencial de avanzar en las técnicas de MRS al integrar métodos avanzados de reducción de ruido para aumentar la velocidad de adquisición y mejorar la precisión de los análisis de metabolitos cerebrales.