Proyecto MAGERIT

El consorcio MAGERIT (Medical AuGmentEd Reality and DIgital Twins) tiene como objetivo desarrollar tecnologías avanzadas para la creación de gemelos digitales a partir de estudios de imagen médica, información clínica y bases de datos poblacionales. Estos gemelos digitales se integrarán en diversos escenarios clínicos como la adquisición de imagen, tratamiento oncológico, cardiología personalizada y salud materno-fetal. Además, se utilizarán tecnologías de realidad virtual y aumentada para la visualización e interacción con estos modelos, mejorando la precisión diagnóstica y terapéutica. Este enfoque innovador permitirá una personalización y optimización significativas en la atención médica.

 

Actividades

 

  • Workshop 3D Slicer – SOFA: IGT organizó un taller intensivo de tres días (del 18 al 20 de junio) en la Universidad Carlos III de Madrid (UC3M), centrado en estas dos potentes herramientas de código abierto muy utilizadas en salud digital e investigación biomédica.
  • Deep Learning Para Imagen Médica: IGT, junto con el Dr. Enzo Ferrante (CONICET, Universidad de Buenos Aires), organizamos un curso intensivo de cuatro días (del 21 al 24 de julio) en la Universidad Carlos III de Madrid (UC3M), centrado en inteligencia artificial, visión artificial y análisis de imágenes médicas.

Objetivos principales

1. Crear y aplicar gemelos digitales en escenarios clínicos:

  • Oncología
  • Cardiología
  • Salud materno-fetal
  • Adquisición personalizada de imagen

2. Crear una plataforma en VR y AR para interactuar con gemelos digitales en medicina

3. Aplicar gemelos digitales para personalizar y optimizar diagnósticos y tratamientos en medicina

Adoptando un enfoque técnico-clínico para aplicación directa y casos de uso con validación en entorno real

Impacto esperado

  • Gemelos digitales como herramienta de medicina personalizada
  • Mejora en precisión diagnóstica y terapéutica
  • Simulación clínica en tiempo real
  • Educación médica con realidad aumentada
  • Reducción de errores médicos y mejora de resultados clínicos
  • Optimización de la atención médica