Un nuevo horizonte se abre en la lucha contra la enfermedad de las arterias coronarias, la principal causa de mortalidad en todo el mundo. Desde IBIMA Plataforma BIONAND, un equipo de investigación liderado por Almudena Ortega junto a Ezequiel López y Esteban J. Palomo, ha dado un paso relevante: desarrollan una Inteligencia Artificial (IA) capaz de detectar las peligrosas obstrucciones arteriales con una precisión y fiabilidad muy elevadas, mejorando el diagnóstico cardíaco a fin de salvar innumerables vidas.
La enfermedad de las arterias coronarias, causada por la obstrucción de los vasos sanguíneos que irrigan el corazón, sigue siendo la principal causa de mortalidad en todo el mundo. Ante este panorama, un diagnóstico precoz y preciso se vuelve esencial para salvar vidas y mejorar la calidad de vida de quienes la padecen.
En este contexto, un equipo puntero de IBIMA Plataforma BIONAND, con la destacada participación de la investigadora senior del Grupo de Prevención y Tratamiento de la Obesidad y la Diabetes, Almudena Ortega, junto al investigador responsable (IR), Ezequiel López Rubio, y coinvestigador responsable (COIR), Esteban J. Palomo; del Grupo de Inteligencia Computacional y Análisis de Imágenes, ha logrado un avance significativo que podría transformar la forma en que se detectan las afecciones cardíacas. Este paso adelante ha sido posible gracias al esfuerzo conjunto de profesionales de distintas disciplinas, contando también con la implicación de los investigadores Ariadna Jiménez-Partinen y Mario Pascual, este último reconocido como el investigador más joven de nuestro instituto.
El equipo ha publicado un estudio pionero en la revista Computers in Biology and Medicine que demuestra cómo la Inteligencia Artificial (IA) puede superar los métodos convencionales en precisión y eficiencia para detectar obstrucciones arteriales. En concreto, se centraron en mejorar el rendimiento de YOLOv8, un modelo de IA de última generación diseñado para la detección de objetos en imágenes médicas.
Uno de los grandes retos es que el rendimiento de estos sistemas de IA depende en gran medida de los llamados hiperparámetros, es decir, los ajustes clave que configuran su funcionamiento. Cuando esta configuración se realiza de forma manual, puede resultar limitada e ineficaz. Por ello, el equipo apostó por el uso de estrategias avanzadas de optimización automática, abriendo nuevas vías para lograr una detección más rápida, precisa y personalizada de enfermedades cardiovasculares.
Un hito en precisión y velocidad
Los resultados no dejan lugar a dudas: los métodos de optimización basados en modelos, superaron de forma sistemática a las técnicas tradicionales de ajuste. Estos llamados «ajustes inteligentes» permitieron a los modelos de IA lograr una mayor precisión diagnóstica —medida por la puntuación F1, que combina exactitud y exhaustividad— así como una mayor velocidad en la detección de lesiones.
“Nuestra investigación confirma que la aplicación de estas técnicas de optimización avanzadas no solo mejora la precisión de los diagnósticos, sino que también los hace más fiables y reproducibles, reduciendo la variabilidad que a menudo encontramos en las evaluaciones visuales realizadas por expertos humanos”, subraya Almudena Ortega.
Además, los modelos mejorados demostraron una notable capacidad para centrar su “atención” en las zonas más relevantes de las imágenes, es decir, directamente sobre las lesiones. Esta habilidad para “mirar donde hay que mirar” es especialmente valiosa en el entorno clínico, donde la rapidez y la precisión marcan la diferencia en el tratamiento de enfermedades graves como las cardiovasculares.
Un esfuerzo colaborativo, con impacto real
Este estudio representa una muestra tangible del compromiso de IBIMA Plataforma BIONAND con la innovación en salud y el uso de tecnologías avanzadas al servicio de la medicina.
La investigación ha sido liderada por Almudena Ortega Gómez, quien aporta una valiosa perspectiva clínica gracias a su vinculación con el Departamento de Endocrinología y Nutrición y el Departamento de Cardiología y Cirugía Cardiovascular del Hospital Universitario Virgen de la Victoria, así como con el CIBEROBN. Su enfoque integrador ha sido clave para tender puentes entre la práctica médica y la inteligencia artificial.
Junto a ella, han desempeñado un papel fundamental los investigadores Ezequiel López-Rubio y Esteban J. Palomo Ferrer, investigadores de ITIS Software de la Universidad de Málaga e integrantes de IBIMA Plataforma BIONAND, cuya experiencia en algoritmos de optimización e inteligencia computacional ha sido decisiva para el desarrollo del proyecto.
Este esfuerzo multidisciplinar no solo refuerza la solidez científica del trabajo, sino que también evidencia el potencial transformador de la colaboración entre disciplinas clínicas y tecnológicas para afrontar desafíos clave en la salud global.
Con la mirada en el futuro
Por todo ello, estos hallazgos no solo son un éxito científico, sino que abren el camino para la integración de herramientas de IA más eficientes y precisas en la práctica clínica diaria, lo que podría traducirse en diagnósticos más rápidos, una reducción de la carga de trabajo para los profesionales sanitarios y, en última instancia, mejores resultados para los pacientes.
Referencia del estudio: Pascual-González M, Jiménez-Partinen A, Palomo EJ, López-Rubio E, Ortega-Gómez A. Hyperparameter optimization of YOLO models for invasive coronary angiography lesion detection and assessment. Comput Biol Med. 2025 Jul 24;196(Pt B):110697. doi: 10.1016/j.compbiomed.2025.110697. Epub ahead of print. PMID: 40712212.
Etiquetas: cardiologia • IA • Investigacion
