Redacción
La compañía tecnológica GMV ha presentado una solución basada en inteligencia artificial (IA) que podría cambiar la forma en que se diagnostican y se monitorizan las enfermedades pulmonares intersticiales difusas (EPID), como la fibrosis pulmonar idiopática (FPI) o la sarcoidosis. El simulador, diseñado en colaboración con el Hospital Universitario La Paz y la Universidad Complutense de Madrid, permite identificar con precisión patrones visibles en las imágenes de tomografía computarizada (TAC), clasificar si la patología es fibrótica o no y, de forma inédita, anticipar su evolución clínica.
La herramienta, aún en fase de desarrollo, ha sido seleccionada en la primera fase de la compra pública precomercial lanzada por el Centro para el Desarrollo Tecnológico y la Innovación (CDTI), financiado con fondos propios y a través del Mecanismo de Recuperación y Resiliencia, dentro del Plan de Recuperación, Transformación y Resiliencia (PRTR), financiado por la Unión Europea – NextGenerationEU.
Diagnóstico más preciso y predicción personalizada
El simulador utiliza técnicas de deep learning para analizar imágenes radiológicas complejas y, a partir de ellas, detectar todos los patrones asociados a las EPID. Además de identificar el patrón principal y clasificar si la enfermedad tiene carácter fibrótico, una de sus principales innovaciones es que podrá predecir cómo evolucionará la patología a lo largo del tiempo.
Esta capacidad predictiva se basa en la integración de datos de imagen con otras pruebas funcionales respiratorias, lo que permitirá a los especialistas adaptar el tratamiento a cada caso concreto. Tal y como explica Carlos Illana, responsable de Producto de Secure e-Solutions en GMV, el objetivo es “evitar el diagnóstico tardío de las EPID, permitiendo así ofrecer tratamientos personalizados y más efectivos. Por ejemplo, en casos de FPI, donde la supervivencia media es de 3 a 5 años desde el diagnóstico”.
Actualmente no existe en el mercado ninguna solución comercial que abarque todas las funcionalidades clínicas propuestas por este simulador
En su fase actual, el proyecto se encuentra pendiente de validación en un entorno clínico real, que se llevará a cabo en el Hospital Universitario de Bellvitge. La herramienta ha sido entrenada con un conjunto de datos amplio y depurado, y emplea algoritmos de aprendizaje profundo capaces de ofrecer un alto grado de precisión, explicabilidad y control del sesgo.
“Será en su validación en un entorno clínico cuando podamos confirmar si existen desviaciones respecto a los resultados obtenidos en pruebas”, añade Illana. “Para nosotros, este desarrollo representa un auténtico desafío y un hito en la aplicación de la IA a la imagen médica”.
Aplicaciones clínicas
Uno de los principales retos en el abordaje de las EPID es la dificultad para distinguir entre diferentes patologías que presentan signos radiológicos similares. De hecho, este tipo de enfermedades suelen mostrar características superpuestas en las imágenes, lo que complica su análisis incluso para especialistas en diagnóstico por imagen. Esta complejidad no solo puede retrasar el diagnóstico, sino también limitar las opciones terapéuticas cuando la enfermedad se encuentra en fases avanzadas.
El simulador integra imagen médica y función pulmonar para anticipar el pronóstico y mejorar la calidad de vida de los pacientes
Al permitir una identificación más rápida y precisa, esta herramienta puede contribuir a mejorar el pronóstico de los pacientes, ya que en este tipo de enfermedades el tratamiento precoz es determinante. Además, abre la puerta al desarrollo de soluciones similares en otras áreas clínicas, gracias al enfoque multidisciplinar del proyecto, que involucra a expertos en radiología, neumología, ingeniería biomédica e inteligencia artificial.
Según datos de la Organización Mundial de la Salud (OMS), el 80 % de las decisiones médicas se basan en pruebas radiológicas. En ese sentido, la aplicación de la IA a la imagen médica se perfila como una aliada estratégica para el futuro del diagnóstico clínico. La integración de estas tecnologías puede ayudar a reducir la carga asistencial, mejorar la eficiencia del sistema y, sobre todo, optimizar el manejo del paciente en entornos cada vez más complejos.
Un particular reto diagnóstico
Las enfermedades pulmonares intersticiales difusas engloban un conjunto heterogéneo de patologías que afectan al intersticio pulmonar, como la fibrosis pulmonar idiopática o la sarcoidosis. Estas enfermedades provocan un proceso inflamatorio crónico y la progresiva formación de cicatrices en el tejido pulmonar, lo que compromete el intercambio de gases y la capacidad respiratoria.
Su diagnóstico es complejo debido a la similitud entre los patrones radiológicos y a la falta de biomarcadores predictivos. Aunque existen tratamientos que pueden frenar la progresión de la enfermedad, un diagnóstico tardío o una terapia inadecuada se asocian con un peor pronóstico.
