Dr. Luis Martí-Bonmatí
El Acto Académico de carácter virtual se llevó a cabo el jueves 07 de Marzo a las 18 hs.
Presentación: Acad. Alberto Marangoni
Antecedentes Curriculares del Dr. Luis Martí-Bonmatí
- Estudios de Medicina y Cirugía en la Universidad de Valencia (1978/1983)
- Premio Extraordinario de Licenciatura por Tesina (1984). La Tesis Doctoral la realiza sobre la caracterización de los tumores del hígado con Resonancia Magnética y Premio Extraordinario de Doctorado (1991).
- Primera plaza de Radiodiagnóstico por el sistema MIR (1984) y se especializa en el Hospital Universitario La Fe de Valencia (1984/1987).
- Jefatura de Sección de Resonancia Magnética / Radiología del Hospital Universitario Dr. Peset (1995)
- Jefe de Servicio de Radiología del Hospital Quirónsalud de Valencia, integrando la ingeniería biomédica en el proceso de innovación radiológica del hospital. (1997-2021)
- Jefe de Servicio de Radiología y Director del Área Clínica de Imagen Médica del Hospital Universitario y Politécnico La Fe. (2009 – actualidad)
- Coordinador de Radiología de la Universidad Católica de Valencia. (2009)
- Profesor Titular y responsable de Radiología de la Universitat de València. (2011)
- Catedrático de Universidad por el Consejo Superior de Universidades .(2015- actualidad)
- Ha dirigido 29 Tesis Doctorales y 15 Proyectos Fin de Carrera.
- Director del Grupo de Investigación Biomédica en Imágenes GIBI230, perteneciente al Instituto de Investigación Sanitaria La Fe.( 2012- Actualidad)
- Director de la Plataforma de Radiología Experimental y Biomarcadores de Imagen (PREBI) en el Instituto de Investigación Sanitaria La Fe.
- Fundó en 2012 QUIBIM SL junto con Ángel Alberich-Bayarri.
- Académico de Número de la Real Academia Española de Medicina (Radiología y Radiodiagnóstico, 2015)
- Académico Honorífico de la Real Academia de Medicina de la Comunidad Valenciana (2017).
- Doctor Honoris Causa por la Universidad Nacional de Tucumán (Argentina, 2015) y la Universidade de Coimbra (2019).
- Miembro del Consejo Social de la Universitat de Valéncia desde 2022.
- Presidente de la Sociedad Española de Radiología (SERAM) (2008-2010) y Medalla de Oro de la SERAM (2014).
- Miembro en la actualidad del European Imaging Biomarkers Alliance (EIBALL) y del Scientific Council del European Institute of Biomedical Imaging Research (EIBIR).
- Miembro del ESR eHealth and Informatics Subcommittee y de la International Society for Strategic Studies in Radiology (IS3R). (2019)
- Presidente y fundador del grupo multidisciplinario Asociación para el Desarrollo y la Investigación de la Resonancia Magnética (ADIRM) (desde 2005- actualidad).
- Profesor y organizador de cursos de la European School of Radiology (desde 1997) y miembro de Steering Committee (desde 2015).
- Fellow y miembro del Executive Board de la European Society of Gastrointestinal Radiology (ESGAR), habiendo sido Presidente de la Sociedad (2013-2015)
- Fellow de la International Cancer Imaging Society (2011-actualidad)
- Reconocimiento como Most Effective Radiology Educator por AuntMinnie Europe (2021) y en 2022 se le nombró Miembro Honorario Internacional de la Federación Mexicana de Radiología e Imagen.
- Chief Editor de la revista Insights Into Imaging, publicación Q1 de la European Society of Radiology, habiendo sido previamente miembro del Consejo Editorial de las revistas internacionales European Radiology (2018- actualidad).
- Miembro del Comité Editorial de las revistas Cancer Imaging, Diagnostic Imaging Europe y, en la actualidad, de AuntMinnie Europe.
- Ha publicado más de 600 publicaciones (360 en revistas referenciadas en Medline), siendo editor de 9 libros y autor de 56 capítulos de libros.
- Es actualmente Investigador Principal y Coordinador de los proyectos Europeos PRIMAGE y CHAIMELEON .
- En el programa Digital Europe es Investigador Principal y Director Científico de la nueva infraestructura Europea para la investigación con imagen e inteligencia artificial EUCAIM (European Federation for Cancer Images, Project 101100633).
- Además, ha generado 12 patentes y 14 registros de software activos.
- Es responsable de la Plataforma EATRIS-Spain Mirror Imaging and Tracing Platform de la ERIC European Infrastructure for Translational Medicine y del Nodo Español GIBI230 de la ERIC Euro-BioImaging.
- En 2023, entre sus recientes logros ha codirigido el “Diccionario panhispánico de términos médicos” con el objeto de registrar la homogeneidad y la heterogeneidad del lenguaje médico. al servicio de la mejor relación posible entre médico y paciente y, por tanto, de la mejor asistencia médica, y al servicio de la expresión conceptual más rigurosa en la investigación, la divulgación, la traducción y la docencia médicas.
- Fundador junto a Ángel Alberich-Bayarri, José Rossel e Ignacio Blanquer de la Fundación IMAGING.
Resumen « Medicina e Imagen de Precisión con Inteligencia Artificial «
Los tumores, como ejemplo de desarrollo de la medicina de precisión, se desarrollan sobre cambios promotores en el estroma y microambiente de un órgano, tienen expresiones genéticas y fenotípicas muy diferenciadas, y son muy heterogéneos en el espacio (clones dentro de un mismo tumor, diferencias en adenopatías y metástasis) y el tiempo (variación clonal y fenotípica con el tratamiento y la evolución tumoral).
Para precisar su manejo y tratamiento es importante conocer la expresión biológica y la estadificación de la enfermedad. Determinar con fiabilidad la agresividad tumoral, la microinvasión por infiltración vascular y extensión linfática, y la presencia de pequeñas metástasis a distancia delimitará mejor el tratamiento inicial que debe aplicarse, así como el pronóstico esperado a medio y largo plazo (como el tiempo hasta recurrencia local o la supervivencia libre de progresión).
La medicina de precisión permite que un porcentaje de pacientes con diferentes expresiones de una misma enfermedad reciban tratamientos dirigidos a estas alteraciones con una mayor especificidad, mayor eficacia y menor toxicidad, comparados con los tratamientos convencionales En esta medicina de precisión se cuenta con la radiómica como análisis fenotípico y la evaluación genómica de las lesiones. Con la imagen cuantitativa se extraen características de los tumores para construir modelos predictivos como firmas radiómica, o expresiones fenotípicas, con las que estimar resultados como la resecabilidad y la agresividad. La inteligencia artificial genera modelos predictivos basados en datos radiómicos, genómicos y clínicos, e incluso extrae características radiómicas profundas que predicen directamente un evento clínico o el mejor tratamiento.