I+D+i
Proyectos de I+D en Medicina Predictiva Aplicada
Modelos validados. Métricas publicadas. Tecnología que opera en el mundo real.
Desarrollamos modelos de inteligencia artificial para la predicción de eventos críticos en el entorno perioperatorio: desaturación intraoperatoria, inestabilidad hemodinámica y predicción de vía aérea difícil. Nuestros modelos se entrenan sobre datos clínicos reales de contexto hospitalario español bajo estándares de calidad de dato y seguridad GDPR-compliant. El objetivo es reducir la incertidumbre clínica en momentos de alta complejidad y dotar al anestesiólogo de soporte predictivo basado en evidencia.
No hacemos promesas de IA. Publicamos métricas.
Sección I
Medicina Predictiva · Data Science
Enseñamos a la máquina a anticipar eventos clínicos críticos.
Los modelos predictivos de Avisania Lab operan sobre datos fisiológicos recogidos en quirófano, UCI y unidades cardiovasculares. Los tres modelos publicados superan AUC 0.95 — el umbral de relevancia clínica para sistemas de alerta temprana.
Predicción de Desaturación Perioperatoria
Los episodios de hipoxia tisular intraoperatoria son predictor independiente de complicaciones postoperatorias graves, desde lesión renal aguda hasta deterioro neurológico. Nuestro modelo de red neuronal recurrente (LSTM) predice la desaturación perioperatoria con AUC 0.97, adelantando la ventana de intervención del anestesiólogo antes de que el evento sea clínicamente evidente.
AUC Score
0.970
Predicción de Inestabilidad Hemodinámica
La hipotensión arterial intraoperatoria sostenida causa lesión miocárdica en 1 de cada 5 pacientes quirúrgicos de alto riesgo. Nuestro modelo XGBoost alcanza AUC 0.98 en predicción de eventos hemodinámicos adversos, con interpretabilidad clínica garantizada mediante análisis SHAP — el clínico sabe qué variables disparan la alerta y por qué.
AUC Score
0.980
ECO Air Coach CDSS — Predicción de Vía Aérea Difícil
El manejo de la vía aérea difícil no anticipada es la principal causa de mortalidad evitable en anestesia. ECO Air Coach es un sistema CDSS que integra variables ecográficas estructuradas con aprendizaje automático para predecir la intubación difícil antes de la inducción. Primer sistema de este tipo con validación ecográfica prospectiva en población española. Presentado en congreso internacional de referencia en Florencia (octubre 2025).
AUC Score
0.950
Sección II
Computer Vision · Autosegmentación Oncológica
Entrenamos a la máquina para que identifique y delimite patología como un radiólogo experto.
Aplicamos técnicas de aprendizaje profundo para el desarrollo de modelos de autosegmentación tumoral y detección de estructuras anatómicas en estudios de imagen médica. Los modelos se orientan a la asistencia al diagnóstico oncológico, con especial foco en la reducción del tiempo de segmentación manual y la mejora de la reproducibilidad inter-observador.
NeuroContour AI — Metástasis Cerebrales (RM T1+Gd)
Sistema de autosegmentación de metástasis cerebrales sobre RM T1 con gadolinio. Genera contornos DICOM-RT exportables directamente al sistema de planificación de tratamiento (TPS), eliminando la etapa de contorneación manual. Validado prospectivamente en 12 pacientes en entorno clínico real. Entrenado sobre 461 casos del dataset UCSF BrainMets.
DSC
0.785
ASSD
0.860 mm
HECKTOR25 — Cáncer de Cabeza y Cuello (PET/CT)
Segmentación automática del tumor primario (GTVp) y afectación ganglionar (GTVn) en cáncer de cabeza y cuello sobre imagen híbrida PET/CT. Resultado obtenido en la competición HECKTOR 2025 — MICCAI, sobre 680 casos de 8 centros internacionales. Uno de los datasets más exigentes en segmentación oncológica de cabeza y cuello a nivel mundial.
DSC GTVp
0.796
DSC GTVn
0.741
sDSC@2mm
0.856
BrainMets CT — Metástasis Cerebrales en TC de Planificación
Detección y segmentación de metástasis cerebrales sobre TC de planificación radioterápica, sin necesidad de contraste intravenoso. Arquitectura nnU-Net v2 entrenada sobre bases de datos multicéntricas (RFUds + PROTEAS). Especialmente relevante para centros sin acceso inmediato a RM de planificación.
Tasa de detección
0.920
DSC ≥4cm
0.770
TrackRAD 2025 — Seguimiento Tumoral en Tiempo Real (Cine-RM)
Seguimiento automático del volumen tumoral en tiempo real durante sesiones de radioterapia guiada por imagen (MR-Linac), sobre cine-RM. Competición internacional TrackRAD 2025 — MICCAI. Dataset: 108 pacientes, 2.8 millones de frames de imagen. Aplicación directa en adaptive radiotherapy y tratamiento en tiempo real.
Dice Score
0.614
PANTHER — Páncreas en RM T1 (Planificación RT Abdominal)
Dice Score
0.686
Segmentación automática de páncreas sobre RM T1 para planificación de radioterapia abdominal, con entrenamiento semi-supervisado mediante pseudo-etiquetas. Competición PANTHER 2025 — MICCAI. El páncreas es uno de los órganos de mayor dificultad en segmentación automática por su variabilidad anatómica y contraste tisular reducido.
Sección III
Ensayos Clínicos y Prototipos Funcionales
Investigación en marcha. Colaboraciones institucionales activas. Resultados en proceso de publicación.
SMART-MOL — Espacio Federado de Investigación Biomédica con IA
En colaboración con Quantum Babylon / ACUDESIC
SMART-MOL es una plataforma de IA para investigación biomédica con datos federados y compartidos, desarrollada por el consorcio Quantum Babylon bajo la entidad ACUDESIC. Diseñada para hacer la inteligencia artificial prácticamente accesible a clínicos e investigadores sin requerir expertise técnico avanzado por parte del equipo médico. Avisania Lab participa como partner clínico, de modelado y validación.
Ver SMART-MOLopen_in_newGT Hemodinámica — Validación Multicéntrica Internacional
Activo · Colaboración con Harvard Medical School y Sociedades científicas españolas
Grupo de trabajo para la validación prospectiva multicéntrica e internacional de los modelos predictivos de inestabilidad hemodinámica en cirugía cardiovascular de alto riesgo. Colaboración activa con Harvard Medical School en el marco de la red SANAI. Impulsado desde SEDAR (Sociedad Española de Anestesiología, Reanimación y Terapéutica del Dolor).
GT VAD-IA — Dataset Nacional de Vía Aérea Difícil por Imagen
Activo · Sociedades científicas españolas
Proyecto de construcción de la primera base de datos nacional de imágenes morfofuncionales faciales correlacionadas con parámetros de intubación difícil. El dataset resultante entrenará modelos de visión artificial de nueva generación para predicción no invasiva de vía aérea difícil. Iniciativa auspiciada por SEDAR.
VÍA RICA Digital — Plataforma ERAS Perioperatoria
Activo · H.U. Puerta del Mar · Interés declarado de Fresenius
Plataforma digital de gestión integral del protocolo perioperatorio ERAS (Enhanced Recovery After Surgery) en colaboración con el H.U. Puerta del Mar (Cádiz). Digitalización del ciclo completo de cuidados perioperatorios: protocolización, seguimiento de adherencia, alertas clínicas y analítica de outcomes. Interés comercial declarado por Fresenius para integración en su cartera de soluciones hospitalarias.
Herramientas y plataformas
Plataformas en codesarrollo
Gestión de Dato Clínico
SMART-mol
SMART-mol es una herramienta de investigación y gestión de dato clínico desarrollada por Avisania Lab, orientada a la transformación útil del dato crítico en entornos hospitalarios. Permite la estructuración, anonimización y análisis de datos clínicos bajo estándares de interoperabilidad (HL7/FHIR) y ciberseguridad. Diseñada para equipos de investigación clínica, gestores de innovación y unidades de datos de hospitales universitarios.
Perfil de usuario
¿Tienes un proyecto en mente?
Hablemos sobre cómo podemos ayudarte a generar impacto real con medicina predictiva.
Contactar