La ingeniera biomédica Anne Oyarzun Domeño ha desarrollado un sistema basado en inteligencia artificial que facilita el análisis automatizado de imágenes médicas para mejorar el estudio de enfermedades renales y cardíacas. La investigación, que forma parte de su tesis doctoral defendida en la Universidad Pública de Navarra (UPNA), propone un nuevo enfoque para medir con mayor precisión y rapidez la perfusión sanguínea, es decir, el volumen de sangre que llega a los órganos, un parámetro fundamental para su funcionamiento óptimo.
La tesis de Oyarzun se ha centrado en una técnica de resonancia magnética denominada Arterial Spin Labeling (ASL), que permite visualizar el flujo sanguíneo sin recurrir al uso de agentes de contraste. Este aspecto es especialmente relevante en pacientes crónicos, como aquellos con enfermedad renal o cardiopatías, para quienes las técnicas invasivas suponen un riesgo añadido. “Las patologías crónicas, como la enfermedad renal crónica y la enfermedad arterial coronaria, representan un desafío clínico significativo debido a su alta prevalencia y su impacto en la calidad de vida de los pacientes”, explica la investigadora. “En ambos casos, la evaluación precisa de la perfusión tisular es fundamental para detectar alteraciones, monitorear la progresión de la enfermedad y evaluar la respuesta al tratamiento”.
Uno de los principales logros de este trabajo ha sido el desarrollo de un marco de procesado de imagen completamente automatizado. Este conjunto de herramientas digitales, diseñado con técnicas de deep learning, permite reconocer de forma precisa patrones complejos en imágenes médicas, facilitando una interpretación más objetiva y ágil de los datos clínicos. El aprendizaje profundo, inspirado en las redes neuronales humanas, requiere miles de ejemplos para entrenar al sistema, lo que permite reducir la dependencia del criterio subjetivo del especialista.
"La evaluación precisa de la perfusión tisular es fundamental para detectar alteraciones"
La investigadora ha abordado varios retos técnicos durante el desarrollo de su sistema. Entre ellos, destaca la alineación automática de imágenes renales, un paso clave para garantizar que todas las imágenes analizadas estén posicionadas de forma homogénea y comparables entre sí. Otro avance importante es la segmentación automática de las estructuras internas del riñón, como la corteza y la médula—, que permite analizar de forma diferenciada el flujo sanguíneo en cada una de estas regiones, lo cual puede aportar información crítica para el diagnóstico precoz.
Una de las innovaciones más notables ha sido la incorporación de imágenes sintéticas generadas mediante inteligencia artificial. Este recurso permite entrenar los algoritmos con un mayor volumen de datos cuando no se dispone de suficientes imágenes reales de pacientes, lo cual es habitual en entornos médicos debido a las restricciones éticas o logísticas en el uso de datos clínicos. Estas imágenes simuladas mantienen las características clave de las imágenes reales y mejoran la capacidad del sistema para generalizar y reconocer nuevos casos.
Como resultado tangible de esta investigación, Oyarzun ha diseñado un sistema automatizado para el cálculo de la perfusión renal. Hasta ahora, esta medición dependía de la intervención manual de radiólogos y especialistas, con el consiguiente tiempo de análisis y margen de error. Con el nuevo sistema, se obtiene una medición rápida, precisa y replicable. Este avance no solo agiliza el diagnóstico, sino que también permite una monitorización más eficaz de la evolución de las enfermedades y de la respuesta al tratamiento.
El método ha sido además adaptado para analizar el flujo sanguíneo en el miocardio, el músculo del corazón, lo que abre nuevas perspectivas en el diagnóstico de patologías cardíacas. Tal y como señala la propia investigadora, esta herramienta podría contribuir a mejorar significativamente la detección precoz de alteraciones cardiovasculares, una de las principales causas de morbilidad en el mundo.
La tesis ha sido codirigida por Arantzazu Villanueva Larre, catedrática del Instituto de Smart Cities (ISC) de la UPNA, y María Asunción FernándezSeara, responsable del Laboratorio de Imagen Biomédica de la Clínica Universidad de Navarra. Ambas investigadoras forman parte del Instituto de Investigación Sanitaria de Navarra (IdiSNA), y han apoyado el desarrollo de un trabajo que se integra en las líneas estratégicas del grupo de investigación en Ingeniería Biomédica de la UPNA.
El equipo busca acercar la innovación tecnológica al entorno clínico mediante soluciones digitales
Este grupo, liderado por el profesor Javier Rodríguez Falces, está especializado en el análisis de señales e imágenes médicas, el diseño de sensores biomédicos y el uso de inteligencia artificial para el desarrollo de nuevas herramientas en el ámbito sanitario. En los últimos años, este equipo ha impulsado múltiples colaboraciones con hospitales y centros de investigación para acercar la innovación tecnológica al entorno clínico y mejorar la práctica médica mediante soluciones digitales.
La investigación de Anne Oyarzun se inscribe dentro de un contexto internacional de creciente interés por el uso de técnicas de machine learning y procesamiento de imágenes en medicina. El objetivo es claro: facilitar el diagnóstico, personalizar los tratamientos y mejorar los resultados clínicos, especialmente en enfermedades crónicas donde la detección temprana y el seguimiento continuo son esenciales.
Con esta tesis, Oyarzun no solo ha aportado una herramienta técnica de gran valor, sino que también ha contribuido al avance del conocimiento en un área que combina ingeniería, medicina y tecnología. Su trabajo demuestra el impacto que la inteligencia artificial puede tener en la salud de las personas, y marca un hito en la aplicación práctica de estas tecnologías en beneficio de pacientes y profesionales sanitarios.