Luis Martí-Bonmatí: «El mayor beneficio de la IA en Urgencias lo vemos en el paciente con dolor torácico»

La inteligencia artificial está marcando un antes y un después en el diagnóstico y tratamiento de las enfermedades cardíacas. Su integración en técnicas clave como la resonancia magnética y la tomografía computarizada está permitiendo detectar patologías con mayor precisión, rapidez y antelación, mejorando de forma directa la atención clínica y la toma de decisiones médicas.

Sobre este avance imparable OKSALUD ha hablado con el profesor Luis Martí Bonmatí, académico de la Real Academia Nacional de Medicina de España (RANME), durante las X Jornadas Científicas en Imagen Médica celebradas en Madrid con la colaboración de Philips. En este contexto, el experto explica cómo la inteligencia artificial no solo optimiza la calidad de la imagen y agiliza los procesos diagnósticos, sino que también permite identificar patrones de enfermedad invisibles para el ojo humano, facilitando una actuación precoz frente a las cardiopatías.

Director científico del centro europeo de imágenes oncológicas EUCAIM, Martí Bonmatí destaca además el papel del big data y de plataformas avanzadas como SmartSpeed AI o Compressed SENSE en el desarrollo de algoritmos cardiovasculares cada vez más precisos, rápidos y personalizados.

PREGUNTA.- Profesor Luis Martí Bonmatí, en su ponencia, ha mencionado que los algoritmos identifican patrones sutiles en la textura o la perfusión del miocardio. ¿Podría explicarnos qué alteraciones tempranas son hoy más relevantes para una detección precoz de cardiopatías?

RESPUESTA.- Existen alteraciones sutiles pero cuantificables mediante el análisis digital de las imágenes de resonancia magnética. Así, podemos conocer el tipo, grado y forma de la deformidad del miocardio mediante el estudio de las imágenes dinámicas en modo cine, así como el edema y la fibrosis del tejido con la evaluación de las secuencias paramétricas reconstruidas cuantificando biomarcadores de imagen.

Todas estas anormalidades se manifiestan antes que las alteraciones visibles de la contractilidad, la presencia de áreas observables por su realce tardío miocárdico y el fallo de la función ventricular.

Estos hallazgos precoces, sutiles y precisos alertan al médico de la necesidad de un tratamiento precoz de pacientes con miocardiopatías y valvulopatías subclínicas, pacientes con sospecha de toxicidad miocárdica, aquellos con rechazo inicial del trasplante cardíaco o con una mala adaptación del ventrículo derecho a la hipertensión pulmonar.

P.- Usted destaca que la IA reduce la variabilidad interobservadora, aumentando la reproducibilidad diagnóstica. ¿Hasta qué punto cree que esta estandarización transformará el papel del radiólogo en la evaluación de imágenes cardíacas?
R.- La IA es una herramienta sofisticada de ayuda al profesional, que puede acortar tiempos en los flujos de trabajo del radiólogo y además mejorar la reproducibilidad con la que se obtienen los resultados.

Con estas mejoras metodológicas, el radiólogo mejora en el desempeño de su papel esencial en todo el proceso, desde el control de la calidad en la adquisición de los estudios, la atención al paciente y la lectura de las imágenes integrando toda la información existente para obtener un diagnóstico preciso.

Así, es responsable de interpretar los datos paramétricos o cuantitativos obtenidos, comparar los distintos estudios e integrar toda esta información con la historia clínica del paciente para establecer una conclusión diagnóstica precisa de alta confianza.

P.- En urgencias cardíacas, la rapidez es esencial y usted afirma que la IA permite informes más ágiles y precisos. ¿Qué patologías del corazón se están beneficiando de forma más directa de esta aceleración diagnóstica?
R.- La rapidez es esencial, y también generar un diagnóstico de certeza para poder tomar decisiones adecuadas para cada paciente. El mayor beneficio en este entorno de la urgencia lo vemos en el paciente con dolor torácico y riesgo intermedio de evento coronario.

En este contexto, disponer por ejemplo de una herramienta para el cálculo de la reserva fraccional del flujo coronario, medida de forma no-invasiva mediante una tomografía computarizada (TC), estratifica de forma precisa la gravedad de las estenosis coronarias en función de su repercusión funcional, de su flujo sanguíneo estimado, siendo de esta forma una guía precisa para una indicación clara de revascularizar o no el vaso coronario.

P.- Como director científico del mayor centro europeo de imágenes oncológicas, EUCAIM, conoce la potencia del big data sanitario. ¿Cómo cree que la integración de repositorios masivos permitirá una optimización real de los algoritmos cardiovasculares en los próximos años?
R.- Trabajar en espacios seguros donde se tenga acceso a datos de calidad contrastada es fundamental para desarrollar la medicina de precisión. EUCAIM es la infraestructura europea que dirijo y que ofrece a los investigadores este arsenal de imágenes y soluciones computacionales para mejorar la medicina. Aunque empezó con imágenes de cáncer, ya tenemos proyectos para su extensión a la imagen del corazón.

En los próximos años esperamos que los algoritmos cardiovasculares que se desarrollen y validen con el apoyo de estos datos masivos pasen con mayor rapidez de ser prometedores en las validaciones internas a constituir herramientas clínicas validadas de forma independiente, robusta y personalizada en escenarios clínicos concretos como las arritmias, la enfermedad coronaria y la estratificación de riesgo en diferentes cardiopatías.

P.- En las Jornadas se presentaron tecnologías como SmartSpeed AI y Compressed SENSE, capaces de acelerar el tiempo de exploración. ¿Cuál de estas innovaciones considera más determinante para mejorar la práctica clínica inmediata?
R.- Estas tecnologías basadas en la reconstrucción digital muy rápida y de mayor calidad de las imágenes de resonancia magnética (RM) reducen enormemente los tiempos de exploración mejorando de forma simultánea la calidad de las imágenes. Estas mejoras tienen sin duda una repercusión determinante en la práctica clínica puesto que mejora la experiencia del paciente, que debe permanecer menos tiempo dentro de la máquina, y aumenta la productividad en los servicios de radiología, pudiendo explorar y diagnosticar de forma precisa a más pacientes sin necesidad de aumentar el número de equipos.

P.- En su intervención ha mencionado también que la IA permite anticiparse al manejo de pacientes antes de que la enfermedad esté avanzada. ¿Podría compartir un caso o ejemplo clínico que refleja este impacto temprano en el pronóstico?
R.- Claro. En la hipertensión pulmonar, la adaptación del ventrículo derecho frente al aumento de la presión es el mayor determinante del pronóstico del paciente. La reducción de la deformidad longitudinal de las paredes del ventrículo derecho, medida obtenida por técnicas de IA, se asocia a un peor pronóstico del paciente antes de que la caída de la fracción de eyección del ventrículo derecho sea un hecho manifiesto.

Este parámetro debe por tanto conducir a un ajuste del tratamiento, anticipándose al fallo ventricular. Este es un claro ejemplo de cómo transferimos la información generada por los biomarcadores de imagen (deformidad de la pared del ventrículo), obtenida con técnicas de IA de forma reproducible, a la mejora del tratamiento en un paciente concreto en la asistencia hospitalaria.

P.- Usted afirma que la IA no solo automatiza, sino que también «interactúa» con los especialistas, favoreciendo su formación continua. ¿Qué herramientas actuales permiten una retroalimentación directa entre radiólogo y algoritmo, y cómo contribuyen a la mejora del aprendizaje profesional?
R.- La implicación del radiólogo en la implementación y seguimiento de soluciones de IA basadas en imagen es esencial para garantizar su validez clínica, su correcta integración en el flujo asistencial y su uso seguro y responsable en la práctica real.

Las herramientas actuales de IA proporcionan al radiólogo la información (segmentaciones y mediciones) de la situación de las cavidades cardiacas, válvulas, miocardio, flujos y permeabilidad coronaria de manera inmediata. El especialista revisa, edita, integra y valida los resultados, de modo que el sistema puede aprender de esas correcciones y mejorar progresivamente su rendimiento.

El radiólogo y el cardiólogo también aprenden de esta interacción, correlacionando los resultados obtenidos con datos clínicos y la evolución del paciente en un proceso de aprendizaje continuado. Son estos profesionales los que supervisan el rendimiento de la IA para asegurar la seguridad, calidad y mejora progresiva del proceso diagnóstico. Es por esto que son los que deben decidir qué soluciones se deben adquirir, en qué situaciones se deben emplear y de qué forma se debe integrar en la historia clínica.