REVISTA ESPAÑOLA DE
CARDIOLOGÍA
ISSN: 0300-8932 Factor de impacto 2024 4,9

SEC 2025 - El Congreso de la Salud Cardiovascular

SEC 2025 - El Congreso de la Salud Cardiovascular
Granada, 23 - 25 de Octubre de 2025


Introducción
José M. de la Torre Hernández
Presidente del Comité Científico del Congreso. Vicepresidente de la SEC

Comités ejecutivo, organizador y científico
Comité de selección de comunicaciones
Listado completo de comunicaciones
Índice de autores

6106. Imagen cardiaca

Fecha : 23-10-2025 17:45:00
Tipo : Póster moderado

6106-2. Detección de vegetaciones en imágenes de ecocardiografía transesofágica de pacientes con endocarditis infecciosa mediante inteligencia artificial

Daniel Pinilla García1, Luis Llamas Fernández1, Manuel Carrasco Moraleja1, Itziar Gómez Salvador1, Carmen Olmos Blanco2, Carlos González Juanatey3, Chiara Pidone4, Manuel Anguita Sánchez5, Miguel Ángel Arnau Vives6, Silvia Vallinas Hernández1, Jaime Criado Martín1, Teresa Sevilla1, Javier López1, J. Alberto San Román1 y Carlos Baladrón Zorita1

1Cardiología, Hospital Clínico Universitario de Valladolid, Valladolid, España, 2Cardiología, Hospital Clínico San Carlos, Madrid, España, 3Cardiología, Hospital Universitario Lucus Augusti, Lugo, España, 4Cardiología, Hospital Universitari Germans Trias i Pujol, Badalona (Barcelona), España, 5Cardiología, Hospital Universitario Reina Sofía, Córdoba, España y 6Cardiología, Hospital Universitario La Fe, Valencia, España.

Introducción y objetivos: La endocarditis infecciosa (EI) es una afección grave y potencialmente mortal, asociada con complicaciones graves, que a menudo conducen a la formación de vegetaciones en las válvulas cardiacas. Estas vegetaciones están relacionadas con embolias cerebrales, y la probabilidad de embolización está influenciada por características de las vegetaciones como el tamaño y la forma, las cuales pueden ser difíciles de medir. Los modelos actuales para estimar dicho riesgo han mostrado una capacidad predictiva limitada. Este estudio presenta un sistema de inteligencia artificial (IA) diseñado para detectar vegetaciones asociadas a la EI en las cámaras izquierdas del corazón mediante imágenes de ecocardiografía transesofágica (ETE).

Métodos: Estudio observacional retrospectivo realizado en 7 hospitales, dividido en dos fases. En la primera fase, se anotaron manualmente datos de 203 pacientes, los cuales se utilizaron para entrenar un modelo de IA capaz de recibir una imagen fija de ETE como entrada y, en caso de detectar alguna vegetación, generar las coordenadas de las vegetaciones detectadas junto con un nivel de confianza. El modelo se evaluó utilizando métricas tradicionales para evaluar su capacidad de detección de vegetaciones en imágenes ecocardiográficas. A su vez, se realizó una validación clínica para evaluar la capacidad del modelo de distinguir entre pacientes con y sin vegetaciones en secuencias completas de video ETE. Esta prueba involucró una cohorte independiente de 60 pacientes. El modelo desarrollado en la primera fase se aplicó secuencialmente, fotograma por fotograma, a cada video ETE, y la salida de cada fotograma se agrupó para generar una predicción sobre la presencia o ausencia de vegetaciones a lo largo del video.

Resultados: En la primera fase, el modelo alcanzó métricas prometedoras con una precisión de 0,81 y una sensibilidad de 0,72 para la detección de vegetaciones en imágenes. En la segunda fase, la validación clínica demostró una sólida capacidad diagnóstica del modelo para identificar pacientes con vegetaciones al analizar secuencias completas de video, con un área bajo la curva (AUC) de la característica operativa del receptor (ROC) de 0,92.

Ejemplos de predicción del modelo de IA.

Conclusiones: El algoritmo demostró un alto rendimiento en la detección de vegetaciones e identificación de pacientes con vegetaciones, lo que podría ser un paso inicial para la medición automática de vegetaciones.

Comunicaciones disponibles de "6106. Imagen cardiaca"

6106-2. Detección de vegetaciones en imágenes de ecocardiografía transesofágica de pacientes con endocarditis infecciosa mediante inteligencia artificial
Daniel Pinilla García1, Luis Llamas Fernández1, Manuel Carrasco Moraleja1, Itziar Gómez Salvador1, Carmen Olmos Blanco2, Carlos González Juanatey3, Chiara Pidone4, Manuel Anguita Sánchez5, Miguel Ángel Arnau Vives6, Silvia Vallinas Hernández1, Jaime Criado Martín1, Teresa Sevilla1, Javier López1, J. Alberto San Román1 y Carlos Baladrón Zorita1

1Cardiología, Hospital Clínico Universitario de Valladolid, Valladolid, España, 2Cardiología, Hospital Clínico San Carlos, Madrid, España, 3Cardiología, Hospital Universitario Lucus Augusti, Lugo, España, 4Cardiología, Hospital Universitari Germans Trias i Pujol, Badalona (Barcelona), España, 5Cardiología, Hospital Universitario Reina Sofía, Córdoba, España y 6Cardiología, Hospital Universitario La Fe, Valencia, España.
6106-3. Valor pronóstico del strain auricular medido por RMC en la miocardiopatía hipertrófica
María Soledad Ceballos, Guillem Casas Masnou, Francisco González Santorum, Arnau Subira Ingla, Giulia Ricci, Fátima Sol Cabrera, Andrea Faggiano, Leandro Videla, Pablo Escribano Escribano, Filipa Valente, Ruper Oliveró Soldevila, Gisela Teixidó Turà, Javier Limeres Freire, Ignacio Ferreira González y José Fernando Rodríguez Palomares

Imagen Cardiovascular, Servicio de Cardiología, Hospital Universitari Vall d'Hebron, Barcelona, España.
6106-4. Impacto clínico y económico de la toma de decisiones guiada por FFR-TC en pacientes con enfermedad coronaria moderada
José Antonio Parada Barcia, Manuel Barreiro Pérez, Pablo Pazos López, Juan Diego Sánchez Vega, Felipe Cárdenas Núñez, Lucía Rioboo Lestón, Sergio Raposeiras Roubín, Rafael José Cobas Paz, Rocío González Ferreiro y Andrés Iñiguez Romo

Cardiología, Hospital Álvaro Cunqueiro, Vigo (Pontevedra), España.
6106-5. Evaluación de la carga de placa coronaria: comparación entre el número de segmentos afectados y la puntuación de calcio coronario para la predicción de eventos cardiovasculares mayores
Rocío Álvarez Abril1, José Marlon Rodríguez Ortega2, Alba Domínguez Castillo1, Amaia Ochoa González1, Ander Larrea Inarra1, Javier Parreño Benito1, Gorka Bastarrika Alemán2 y Ana Ezponda Casajús2

1Cardiología y 2Radiodiagnóstico, Clínica Universidad de Navarra, Pamplona (Navarra), España.
6106-6. Predictores de mortalidad en pacientes con miocardiopatía dilatada no isquémica: impacto pronóstico de los parámetros de mecánica auricular izquierda
Iván Sánchez Sánchez1, Fabián Islas Ramírez2, Pablo Zulet Fraile1, Sandra Gil Abizanda1, María Alejandra Restrepo Córdoba1, Josebe Goirigolzarri Artaza1, José Alberto de Agustín Loeches1 y Carmen Olmos Blanco1

1Servicio de Cardiología, Hospital Clínico San Carlos, Madrid, España y 2Servicio de Cardiología, Hospital Nuestra Señora del Prado, Talavera de la Reina (Toledo), España.
6106-7. Cuantificación de realce tardío miocárdico por tomografía computarizada en pacientes con arritmias ventriculares
Cristina García Sebastián, Juan Manuel Monteagudo Ruiz, Sonia Antoñana Ugalde, Irene Carrión Sánchez, Rocío Hinojar Baydes, Ana García Martín, Pablo Martínez Vives, Eduardo Casas Rojo, José Julio Jiménez Nácher, Javier Moreno Planas, José Luis Zamorano Gómez y Covadonga Fernández-Golfín Lobán

Servicio de Cardiología, Hospital Universitario Ramón y Cajal, Madrid, España.
6106-8. El strain reservorio de la aurícula derecha es mejor estimador ecocardiográfico de la presión venosa central que la vena cava inferior
Pablo Rojas Romero, Ernesto Ruiz Pereira, Daniel López Herrera, Domingo Acosta Martínez, María Jesús Galán Rodríguez, Juan Manuel Aragón González, Lidia Rodero Barcos, Miguel Barranco Gutiérrez, Marta González Quijano, Almudena Aguilera Saborido, Ana López Suárez y José E. López Haldón

Hospital Universitario Virgen del Rocío, Sevilla, España.
6106-9. Presión arterial pulmonar y Área valvular mitral 1 mes tras reparación mitral de borde a borde
Eduardo Pozo Osinalde, Diana Bastidas Plaza, Joaquín García Martínez, Miguel Ángel Márquez Rivera, Pilar Jiménez Quevedo, Pedro Marcos Alberca, Patricia Mahía Casado, Gabriela Tirado Conte, Carmen Olmos Blanco, Antonio Fernández Ortiz, Julián Pérez-Villacastín Domínguez, Luis Nombela Franco y José Alberto de Agustín Loeches

Servicio de Cardiología, Hospital Clínico San Carlos, Madrid, España.
6106-10. Contribución de la mecánica rotacional a la estratificación de pacientes en riesgo de fallo cardiaco
Juan Geraldo Martínez, Ester Galiana Talavera, Alberto Hidalgo Mateos, Paula Gramage Sanchís, Alejandro Queipo Rodríguez, Guillermo García Martín, Carlos Rodríguez Gutiérrez, Tetiana Gomon Dobrochynska, Raquel Heredia Cambra, María José Bosch Campos, Ildefonso Roldán Torres y Vicente Mora Llabata

Hospital Universitario Dr. Peset, Valencia, España.
6106-11. Angiografía coronaria por tomografía computarizada en la evaluación coronaria preoperatoria de cirugía cardiaca valvular: resultados y datos de seguridad tras casi una década en un centro terciario
Claudia Taroncher Domingo1, Adrián Ruiz López2, Rubén Leta Petracca1, Martín Luís Descalzo1, Mario Salido Iniesta1, Sandra Pujadas Olano1, Lidia Bos Real1, Juan Fernández Martínez1 y David Vilades Medel1

1Cardiología, Hospital de la Santa Creu i Sant Pau, Barcelona, España y 2Cardiología, Hospital Mutua Terrassa, Terrassa (Barcelona), España.
6106-12. Eventos embólicos en amiloidosis cardiaca por transtirretina. Utilidad del strain auricular como predictor en ritmo sinusal
Alba Orellana Morote, Carlos Izurieta Antonio, Eva Pueo Crespo, Dolors Viles Bertran, Jara Gayán Ordás, Núria Pueyo Balsells, Marta Zielonka, Ramón Bascompte Claret y Fernando Worner Diz

Servicio de Cardiología, Hospital Universitari Arnau de Vilanova, Lleida, España.
6106-13. Algoritmo de machine learning para la predicción del prolapso arritmogénico de válvula mitral
Sofía Capdeville1, Carmen Alonso Casero2, Álvaro Velasco de Andrés1, Cristina Hayes Meizoso3, Álvaro Estévez Paniagüa1, Rafael Salguero Bodes1, Fernando Arribas Ynsaurriaga1 y Jorge Solís Martín1

1Servicio de Cardiología, Hospital Universitario 12 de Octubre, Instituto de Investigación Sanitaria (imas12), Hospital Universitario 12 de Octubre, Madrid, España, 2Universidad Carlos III de Madrid, Madrid, España y 3University of Massachusetts, T,H, Chan School of Medicine, Massachusetts (Estados Unidos).

Más comunicaciones de los autores

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?