IA detecta riesgo cardíaco en electrocardiogramas simples: evita pruebas invasivas

Actualizado el :

Di Alonso Delgado

IA detecta riesgo cardíaco en electrocardiogramas simples: evita pruebas invasivas

Un nuevo modelo de inteligencia artificial entrenado con millones de registros promete identificar señales tempranas de enfermedad cardíaca a partir de electrocardiogramas (ECG) convencionales, lo que podría acelerar el acceso a pruebas definitivas para pacientes en riesgo. La novedad —presentada recientemente en el congreso anual de la European Society of Cardiology en Múnich— plantea cambios prácticos para la detección temprana en clínicas y hospitales con listas de espera largas.

La herramienta analiza trazados de ECG en busca de alteraciones sutiles que escapan al examen humano rutinario. Aunque un ECG ha sido durante décadas la prueba básica para evaluar la actividad eléctrica del corazón, no suele servir por sí solo para diagnosticar ciertas enfermedades estructurales.

Hoy, el procedimiento estándar para confirmar problemas valvulares o fallo cardíaco es el ecocardiograma (ultrasonido cardíaco), pero en muchos sistemas de salud las citas para este estudio pueden demorarse meses. La propuesta del equipo desarrollador es que la IA actúe como filtro inicial, identificando pacientes que deberían recibir prioridad para la ecografía.

Resultados del estudio y alcance

En un ensayo que analizó ECG de 67,000 pacientes en Estados Unidos, el modelo mostró capacidad para detectar dos condiciones clave:

Trazado de electrocardiograma en papel mostrando señales eléctricas del corazón
El modelo analiza trazados de ECG en busca de alteraciones sutiles.

  • Insuficiencia cardíaca: sensibilidad aproximada del 81% en el conjunto evaluado.
  • Enfermedad de las válvulas cardíacas: detección cercana al 90% en los casos identificados por el estudio.

Los autores señalan que se entrenó el sistema con millones de historiales clínicos y registros, lo que permitió reconocer patrones muy pequeños en los trazados de ECG que, de otro modo, pasarían desapercibidos.

Qué significa esto para los pacientes

De implementarse de forma clínica, la herramienta no sustituiría pruebas diagnósticas definitivas, pero sí podría cambiar el orden en que se atiende a quienes esperan un ecocardiograma. Profesionales involucrados en la investigación señalan que la principal ventaja sería reducir el tiempo hasta el diagnóstico para los pacientes con mayor probabilidad de padecer una enfermedad cardíaca significativa.

Paciente en sala de espera de cardiología esperando una ecografía
La IA podría priorizar a pacientes en lista de espera para ecocardiogramas.

Además, como el ECG es una prueba muy frecuente —se estima en alrededor de mil millones al año a nivel global— la IA podría integrar cribados de enfermedad estructural en exámenes realizados por otras razones, detectando problemas “ocultos” que no se habían sospechado.

Limitaciones y cautela

Los investigadores y las organizaciones que financiaron el estudio subrayan que la herramienta no identificará todos los casos y que un resultado positivo en la IA no equivale a una confirmación diagnóstica. Se requiere una evaluación clínica y la realización de un ecocardiograma para confirmar la sospecha y decidir tratamiento.

  • La IA actúa como un sistema de priorización, no como diagnóstico definitivo.
  • Son necesarias más pruebas de validación multicéntricas antes de su adopción generalizada.
  • El riesgo de falsos positivos y la carga adicional sobre servicios con recursos limitados deben cuantificarse.

El desarrollo recibió financiamiento de la British Heart Foundation y fue presentado por cardiólogos que participaron en el proyecto, quienes apuntan a que esta aproximación podría integrarse en flujos de trabajo clínicos para mejorar la eficacia de la detección precoz.

En resumen, la combinación de electrocardiograma y modelos de inteligencia artificial abre la puerta a una detección más temprana de insuficiencia cardíaca y enfermedad valvular, con el potencial de priorizar pacientes para ecocardiogramas y acelerar intervenciones. La esperanza es mejorar resultados clínicos, pero la adopción masiva dependerá de validaciones adicionales y de cómo se gestione su implementación en entornos con recursos limitados.

Artículos similares

Califica este artículo
Véase también  Fotógrafo del Año en Meteorología Captura Arcoíris Sin Fin: ¡Descubre la Imagen Ganadora!

Deja un comentario

Share to...