{"id":57896,"date":"2025-07-17T09:44:25","date_gmt":"2025-07-17T15:44:25","guid":{"rendered":"https:\/\/saluddigital.com\/?p=57896"},"modified":"2025-07-17T09:47:44","modified_gmt":"2025-07-17T15:47:44","slug":"desarrollan-modelo-de-ia-para-detectar-enfermedades-cardiacas-estructurales-a-partir-de-electrocardiogramas","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/desarrollan-modelo-de-ia-para-detectar-enfermedades-cardiacas-estructurales-a-partir-de-electrocardiogramas\/","title":{"rendered":"Desarrollan modelo de IA para detectar enfermedades card\u00edacas estructurales a partir de electrocardiogramas"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

El algoritmo, probado en millones de registros, podr\u00eda transformar el diagn\u00f3stico temprano de afecciones card\u00edacas en todo el mundo.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Un equipo internacional de cient\u00edficos ha desarrollado un modelo de inteligencia artificial (IA) capaz de detectar enfermedades card\u00edacas estructurales mediante electrocardiogramas (ECG) est\u00e1ndar. El estudio, publicado en la revista Nature<\/em><\/a>, representa un avance significativo en el uso de tecnolog\u00edas basadas en IA para facilitar diagn\u00f3sticos tempranos, asequibles y masivos en el campo de la cardiolog\u00eda.<\/p>

El modelo, denominado EchoNext<\/strong>, fue entrenado y validado utilizando m\u00e1s de 1 mill\u00f3n de registros de ritmo card\u00edaco e im\u00e1genes a trav\u00e9s de un sistema de salud grande y diverso para detectar muchas formas de enfermedad card\u00edaca estructural. Esto represent\u00f3 una de las bases de datos m\u00e1s grandes y diversas empleadas para este tipo de investigaci\u00f3n. El objetivo fue detectar enfermedades card\u00edacas estructurales, como disfunci\u00f3n del ventr\u00edculo izquierdo, valvulopat\u00edas, es decir, enfermedades de las v\u00e1lvulas card\u00edacas, y otras anomal\u00edas anat\u00f3micas, sin la necesidad de procedimientos de imagen m\u00e1s costosos o menos accesibles como el ecocardiograma.<\/p>

La novedad del enfoque radica en el uso de un modelo de aprendizaje profundo o deep<\/em> learning,<\/em> que no solo detecta una sola enfermedad, sino que ofrece una evaluaci\u00f3n general de m\u00faltiples afecciones estructurales del coraz\u00f3n. Seg\u00fan los autores, esto podr\u00eda ayudar a priorizar a los pacientes que m\u00e1s necesitan atenci\u00f3n especializada, especialmente en contextos con recursos limitados.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El modelo mostr\u00f3 un \u00e1rea bajo la curva ROC (AUROC) del 85.2% y un \u00e1rea bajo la curva de precisi\u00f3n-recall (AUPRC) del 78.5% en la detecci\u00f3n de enfermedades estructurales del coraz\u00f3n en el conjunto de prueba interno. En cuanto a su validaci\u00f3n externa y generalizaci\u00f3n, el modelo fue puesto a prueba en tres cohortes externas de Cedars-Sinai, Montreal Heart Institute y Universidad de California, San Francisco, alcanzando un AUROC del 78-80%.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Asimismo, EchoNext super\u00f3 a los cardi\u00f3logos en la detecci\u00f3n de enfermedades estructurales del coraz\u00f3n. El modelo obtuvo una precis\u00f3 de 77.3% mientras que los cardi\u00f3logos lograron un 64%. De igual manera, el modelo mostr\u00f3 mayor sensibilidad (72.6% vs. 61.1%) y especificidad (80.7% vs. 66.1%).<\/p>

Los autores se\u00f1alan que este tipo de herramientas no pretende reemplazar a los especialistas ni los estudios de imagen, sino funcionar como un m\u00e9todo de cribado temprano que oriente al m\u00e9dico sobre posibles anomal\u00edas que ameriten mayor atenci\u00f3n. Esto podr\u00eda traducirse en diagn\u00f3sticos m\u00e1s oportunos, especialmente en lugares donde el acceso al ecocardiograma es limitado o el tiempo de espera es largo.<\/p>

El estudio muestra c\u00f3mo la IA es capaz de complementar las herramientas cl\u00ednicas tradicionales y abrir nuevas oportunidades para la detecci\u00f3n temprana de enfermedades card\u00edacas. Si se implementa adecuadamente, este tipo de modelos puede convertirse en un pilar de la medicina preventiva, ayudando a salvar vidas al identificar problemas card\u00edacos antes de que se conviertan en un problema m\u00e1s grave. El siguiente paso, seg\u00fan los investigadores, ser\u00e1 llevar esta tecnolog\u00eda a ensayos cl\u00ednicos prospectivos en escenarios reales de atenci\u00f3n primaria.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41586-025-09227-0<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Investigadores desarrollan modelo de IA para detectar enfermedades card\u00edacas estructurales a partir de electrocardiogramas.<\/p>","protected":false},"author":1,"featured_media":57897,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-57896","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/57896","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=57896"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/57896\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/57897"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=57896"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=57896"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=57896"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}