El electrocardiograma (ECG), los niveles de colesterol y el score de Framingham han sido pilares fundamentales en la estratificación del riesgo cardiovascular. Sin embargo, la inteligencia artificial (IA) abre una nueva era en la cardiología preventiva: el ECG, más allá de su rol diagnóstico frente a infartos o arritmias, podría convertirse en una poderosa herramienta predictiva. Gracias a la IA, es posible detectar patrones invisibles para el ojo humano y anticipar enfermedades cardíacas asintomáticas, incluso antes de que el paciente tenga síntomas.
En un estudio pionero, se desarrolló un algoritmo de aprendizaje profundo capaz de identificar disfunción ventricular izquierda con una sensibilidad del 86% utilizando solo un ECG en reposo. Lo más notable es que muchos de estos registros eran considerados “normales” por los especialistas. Este hallazgo marca un cambio de paradigma: el ECG no solo como herramienta diagnóstica sino como detector precoz de insuficiencia cardíaca subclínica [1].
Y los ECG no están solos. Otro estudio concluye que imágenes del fondo de ojo analizadas con IA pueden estimar edad, sexo, presión arterial y riesgo cardiovascular general, con precisión comparable a métodos tradicionales [2]. Así, el concepto de “evaluación cardiovascular”, se expande más allá del tórax.
Otro avance significativo proviene de la implementación de un algoritmo basado en IA para identificar pacientes con fracción de eyección baja. En un ensayo clínico aleatorizado, se demostró que este algoritmo es capaz de identificar con precisión a los pacientes con riesgo de insuficiencia cardíaca, lo que abre nuevas posibilidades para el tamizaje preventivo sin necesidad de estudios invasivos [3].
Estamos frente a una nueva era diagnóstica, en la que una prueba rutinaria puede ofrecer predicciones de eventos mayores. El desafío actual radica en integrar estas herramientas a la práctica clínica sin caer en la sobre interpretación ni desplazar el juicio clínico.
Referencias:
[1] Attia ZI, Kapa S, Lopez-Jimenez F, McKie PM, Ladewig DJ, Satam G, et al. Screening for cardiac contractile dysfunction using an artificial intelligence–enabled electrocardiogram. Nature Medicine. 2019;25(1):70–74. https://doi.org/10.1038/s41591-018-0240-2.
[2] Poplin R, Varadarajan AV, Blumer K, Liu Y, McConnell MV, Corrado GS, et al. Prediction of cardiovascular risk factors from retinal fundus photographs via deep learning. Nature Biomedical Engineering. 2018;2(3):158–164. https://doi.org/10.1038/s41551-018-0195-0.
[3] Yao, X., Rushlow, D.R., Inselman, J.W. et al. Artificial intelligence–enabled electrocardiograms for identification of patients with low ejection fraction: a pragmatic, randomized clinical trial. Nature Medicine 27, 815–819 (2021). https://doi.org/10.1038/s41591-021-01335-4.