Skip to main contentScroll Top

Presentación abierta de los resultados del proyecto EVAR-Twin

Investigación de gemelos digitales inteligentes para prótesis endovasculares

El próximo 24 de junio presentamos los resultados de EVAR-Twin, un proyecto que aplica inteligencia artificial, gemelos digitales y simulación avanzada al apoyo clínico en cirugía vascular.

5 entidades
colaborando entre tecnología y salud
€164.846
de presupuesto para innovación aplicada
IA + gemelos digitales
para apoyar la cirugía vascular

El próximo miércoles 24 de junio, a las 11:00 horas, tendrá lugar de forma online la jornada final de resultados del proyecto EVAR-Twin, en el que hemos colaborado desde Deveco con NabladotElectroingeniumClúster TECNARA y Clúster SIVI.  

El proyecto aplica inteligencia artificial y gemelos digitales al apoyo clínico en cirugía vascular con un objetivo claro: mejorar la predicción del riesgo trombogénico tras procedimientos de reparación endovascular de aneurismas aórticos abdominales (EVAR). 

La participación es libre y gratuita. Más información e inscripción: https://forms.gle/gHDBQ4XnbUs1MDnw7 

El proyecto se desarrolla dentro del programa de apoyo a las Agrupaciones Empresariales Innovadoras (AEI) 2025, entre agosto de 2025 y junio de 2026. El consorcio reúne a 2 clústeres —TECNARA y SIVI— y 3 pymes —DEVECO, ELECTROINGENIUM y NABLADOT—, de Aragón y Castilla y León.  

¿En qué consiste EVAR-Twin?

EVAR-Twin es una herramienta semiautomática de apoyo clínico para cirujanos vasculares que evalúa cómo el comportamiento del flujo sanguíneo influye en la formación de trombos tras un procedimiento EVAR. 

La plataforma combina simulaciones avanzadas de dinámica de fluidos computacional (CFD), inteligencia artificial y procesamiento automatizado de imágenes médicas para generar modelos in silico personalizados del paciente. 

A partir de tomografías, resonancias y datos de simulación, el sistema construye representaciones digitales capaces de anticipar el riesgo trombogénico postoperatorio y simular distintos escenarios terapéuticos. 

Cómo funciona 

La plataforma automatiza todo el flujo de trabajo: desde la construcción de modelos tridimensionales hasta la resolución de ecuaciones hemodinámicas bajo condiciones fisiológicas realistas y el análisis automatizado de resultados. 

Los modelos simulan la interacción entre la sangre, la endoprótesis y las paredes vasculares para identificar áreas con mayor riesgo de trombosis. 

La inteligencia artificial interviene tanto en el procesamiento de imágenes como en el análisis predictivo, mejorando la detección precoz y la estratificación del riesgo clínico. Además, la arquitectura desarrollada es agnóstica a la geometría y al tipo de fluido analizado, lo que abre la puerta a aplicaciones futuras más allá del ámbito vascular. 

Valor clínico 

EVAR-Twin ayuda a los profesionales sanitarios a tomar decisiones más informadas, reducir complicaciones postoperatorias y optimizar recursos clínicos. 

Su automatización facilita la adopción en hospitales sin necesidad de disponer de especialistas en simulación avanzada y, a medio plazo, la tecnología podría comercializarse como producto licenciado o integrarse en plataformas médicas digitales existentes. 

El proyecto contribuye además a mejorar la calidad de vida y la supervivencia de pacientes con enfermedades vasculares, favorecer una gestión sanitaria más eficiente ante el envejecimiento poblacional y reforzar la colaboración entre los sectores tecnológico y sanitario. 

Información institucional 

Consorcio 

NABLADOT, ELECTROINGENIUM y DEVECO, junto con TECNARA (Clúster de Empresas de Tecnologías de la Información, Electrónica y Telecomunicaciones de Aragón) y SIVI (Clúster de Soluciones Innovadoras para la Vida Independiente, con sede en Castilla y León). 

Proyecto cofinanciado 

EVAR-Twin (nº de expediente: AEI-010500-2025-146), con un presupuesto de 164.846 €, está financiado con 131.875 € por el Ministerio de Industria y Turismo a través del programa de apoyo a las Agrupaciones Empresariales Innovadoras (AEI) 2025, orientado a mejorar la competitividad de las pymes.