Unha ecografía sen paciente e con intelixencia artificial: o proxecto da UDC e o CHUAC que acaba de ser premiado
Aprender a facer unha ecografía require práctica, repetición e supervisión, pero o proxecto EchoLab 4.0 propón engadir unha nova ferramenta a ese proceso: unha contorna virtual na que estudantes, residentes e profesionais sanitarios poden adestrarse sen necesidade de facelo directamente sobre un paciente.
A iniciativa, liderada pola Universidade da Coruña (UDC) e o Complexo Hospitalario Universitario da Coruña (CHUAC), acaba de recibir un dos Premios Ennova Health 2026, na categoría de 'Telesaúde e E-learning'. Os galardóns, que celebraron a súa sexta edición, recoñecen proxectos dixitais aplicados ao ámbito sanitario.
O recoñecemento foi entregado este xoves en Madrid e pon o foco nunha ferramenta que combina simulación inmersiva, modelos anatómicos en tres dimensións, intelixencia artificial e análise da aprendizaxe.
Practicar antes de chegar ao paciente
A principal finalidade de EchoLab 4.0 é permitir que a formación en ecografía se desenvolva nun ambiente controlado antes de trasladala á práctica clínica.
A plataforma recrea diferentes escenarios de exploración e permite obter imaxes ecográficas simuladas en tempo real. Deste xeito, o usuario pode repetir unha técnica, probar diferentes situacións e comprobar o resultado do seu traballo sen depender de que exista nese momento un caso clínico concreto.
O sistema tamén permite introducir novos casos, establecer métricas para avaliar o desempeño e adaptar os exercicios a distintos niveis de formación.
A intelixencia artificial analiza como aprende cada usuario
Un dos elementos máis innovadores do proxecto está na incorporación da intelixencia artificial ao propio proceso de adestramento.
EchoLab 4.0 rexistra a interacción do usuario durante a exploración e analiza os datos obtidos para ofrecer unha resposta personalizada. A ferramenta pode sinalar posibles erros, identificar aspectos que necesitan mellora e adaptar o adestramento segundo o nivel de experiencia de cada persoa.
O proxecto incorpora ademais o concepto de xemelgo dixital aplicado á formación ecográfica. A través de modelos anatómicos tridimensionais, a plataforma pode representar estruturas normais, variantes anatómicas e diferentes achados patolóxicos.
O obxectivo é que a formación non se limite a repetir unha técnica, senón que permita ao usuario enfrontarse a situacións diferentes e recibir información sobre o seu desempeño.
Cinco estudantes e residentes xa probaron a ferramenta
A primeira fase de desenvolvemento desenvolveuse entre o 15 de setembro de 2025 e o 31 de maio de 2026, período no que se creou unha primeira versión funcional da plataforma.
Nesta etapa participaron profesionais expertos e un grupo piloto formado por tres estudantes de sexto curso de Medicina e dous médicos internos residentes de Reumatoloxía.
As probas permitiron analizar aspectos como a usabilidade da ferramenta, o realismo percibido, a súa utilidade como recurso docente e a capacidade do sistema para apoiar a aprendizaxe da ecografía.
Os primeiros resultados apuntan á viabilidade técnica e educativa da plataforma e ao seu potencial como complemento da formación presencial. Con todo, o equipo sinala que será necesario ampliar as probas a un número maior de usuarios para avaliar con máis detalle o impacto da ferramenta.
Un proxecto con participación de varias institucións
Ademais da UDC e o CHUAC, no desenvolvemento de EchoLab 4.0 participan o Grupo Visual Med Systems da Universidade de Salamanca, o Hospital Universitario Infanta Leonor da Comunidade de Madrid, a Universidade Politécnica de Madrid e a empresa Bioingeniería, Postura y Salud S.L.
Pola UDC participa F. Javier de Toro Santos, catedrático da Universidade da Coruña. O equipo complétase con Juan A. Juanes Méndez, Clara Siso Hernández, Fernando Blaya Haro e Alonso Blaya San Pedro.
O Premio Ennova Health 2026 recoñece así unha iniciativa que busca levar a formación sanitaria un paso máis alá mediante a combinación de simulación clínica, realidade virtual, modelos anatómicos e intelixencia artificial, coa intención de que os profesionais poidan chegar á práctica real cun maior adestramento previo.