Los sujetos con válvulas aórticas bicúspides (VAB) tienen riesgo de desarrollar disfunción valvular y necesitan una vigilancia clínica de imagen regular. La gestión de VAB implica la segmentación manual y consumidora de tiempo de la aorta para evaluar la función ventricular izquierda, la velocidad del chorro, el gradiente, el estrés cortante y el área valvular con estenosis de la válvula aórtica. Este documento tiene como objetivo emplear la segmentación basada en aprendizaje automático (ML) como un potencial para mejorar la evaluación de VAB y reducir el sesgo manual. El enfoque se centra en cuantificar la relación entre la morfología valvular y las estructuras vorticales, y analizar cómo la morfología valvular influye en la susceptibilidad de la aorta al estrés cortante que puede llevar a la incompetencia valvular. La segmentación basada en ML que se emplea está entrenada en Tomografía Computarizada (TC) de cuerpo entero. Se adquiere Imágenes por Resonancia Magnética (IRM) de seis sujetos, tres con válvulas aórticas tricúspides (VAT) y tres funcionalmente VAB, con fusión de valvas derecha-izquierda. Estas se utilizan para la segmentación del sistema cardiovascular y la delineación de imágenes de resonancia magnética de fase de contraste de cuatro dimensiones (4D-PCMRI) para la cuantificación de las estructuras vorticales y el estrés cortante en la pared. El modelo de segmentación basado en ML muestra un alto puntaje de Dice (0.86) para el órgano del corazón, lo que indica una segmentación robusta. Sin embargo, el puntaje de Dice para la aorta torácica es comparativamente pobre (0.72). Se encontró que el estrés cortante en la pared es predominantemente simétrico en las VAT. Las VAB muestran un estrés cortante en la pared altamente asimétrico, con la región opuesta a las valvas coronarias fusionadas experimentando un estrés cortante en la pared tangencial elevado. Esto se debe a la mayor velocidad tangencial explicada por el flujo helicoidal, proximalmente a la unión sinutubal de la aorta ascendente. La segmentación basada en ML no solo reduce el tiempo de evaluación de la efectividad hemodinámica, sino que también identifica la importancia del estrés cortante en la pared tangencial además del estrés cortante axial que puede llevar a la progresión de la incompetencia valvular en las VAB, lo cual podría guiar ajustes potenciales en las intervenciones quirúrgicas.