{"id":65270,"date":"2025-11-27T10:14:56","date_gmt":"2025-11-27T16:14:56","guid":{"rendered":"https:\/\/saluddigital.com\/?p=65270"},"modified":"2025-11-27T10:25:46","modified_gmt":"2025-11-27T16:25:46","slug":"nuevo-modelo-de-ia-permite-diagnosticar-enfermedades-cardiacas-a-partir-de-ecg-usando-solo-descripciones-en-lenguaje-natural","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/nuevo-modelo-de-ia-permite-diagnosticar-enfermedades-cardiacas-a-partir-de-ecg-usando-solo-descripciones-en-lenguaje-natural\/","title":{"rendered":"Nuevo modelo de IA permite diagnosticar enfermedades card\u00edacas a partir de ECG usando solo descripciones en lenguaje natural"},"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

Investigadores desarrollan, ECG-CLIP un sistema capaz de identificar 18 afecciones card\u00edacas sin entrenamiento espec\u00edfico para cada una.<\/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 grupo de investigadores en Jap\u00f3n y Taiw\u00e1n present\u00f3 un modelo de inteligencia artificial (IA) llamado ECG-CLIP<\/strong>, capaz de diagnosticar m\u00faltiples condiciones card\u00edacas a partir de un electrocardiograma (ECG) de 12 derivaciones utilizando \u00fanicamente descripciones cl\u00ednicas en texto. El enfoque, publicado en npj Digital Medicine journal<\/em><\/a>, propone una alternativa a los sistemas tradicionales, que necesitan bases de datos extensas y etiquetas espec\u00edficas para cada diagn\u00f3stico.<\/p>

El objetivo fue probar si un modelo basado en aprendizaje contrastivo, una t\u00e9cnica que vincula patrones entre dos tipos de informaci\u00f3n, pod\u00eda aprender a relacionar las se\u00f1ales el\u00e9ctricas del coraz\u00f3n con su correspondiente reporte cl\u00ednico. Para ello, los autores entrenaron el sistema con 800,034 pares de ECG y reportes m\u00e9dicos<\/strong> extra\u00eddos del conjunto MIMIC-IV-ECG.<\/p>

A diferencia de los modelos supervisados convencionales, que solo identifican las condiciones para las que fueron entrenados, ECG-CLIP puede responder a consultas en lenguaje natural<\/strong> y realizar diagn\u00f3stico \u201czero-shot\u201d<\/strong>. Es decir, puede detectar una enfermedad aun cuando nunca recibi\u00f3 ejemplos etiquetados espec\u00edficamente para esa condici\u00f3n.<\/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

Los resultados mostraron que el modelo tuvo alto rendimiento para arritmias<\/strong>, como fibrilaci\u00f3n auricular, taquicardia sinusal o bradicardia sinusal, con \u00e1reas bajo la curva (AUROC) cercanas o superiores a 0.95. No obstante, su desempe\u00f1o fue menor en anomal\u00edas morfol\u00f3gicas<\/strong>, como hipertrofia ventricular izquierda o cambios en el segmento ST-T, donde la precisi\u00f3n y la especificidad fueron inferiores.<\/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

La validaci\u00f3n externa con otro conjunto de datos confirm\u00f3 una consistencia alta<\/strong> en el orden relativo de desempe\u00f1o entre condiciones, incluso en poblaciones no incluidas en el entrenamiento, como los pacientes pedi\u00e1tricos. Sin embargo, se observaron variaciones importantes seg\u00fan la edad: el rendimiento fue mejor en adultos de mediana edad y disminuy\u00f3 tanto en j\u00f3venes como en adultos mayores.<\/p>

El modelo tambi\u00e9n mostr\u00f3 que puede confundirse en casos cl\u00ednicamente complejos. Por ejemplo, la fibrilaci\u00f3n auricular con respuesta ventricular lenta se clasific\u00f3 con frecuencia como bradicardia sinusal, debido a patrones de ritmo similares.<\/p>

Los autores destacan que esta tecnolog\u00eda podr\u00eda reducir las barreras para implementar IA en cardiolog\u00eda, ya que elimina la necesidad de recolectar etiquetas espec\u00edficas para cada diagn\u00f3stico y permite agregar nuevas condiciones mediante simple ajuste de texto. Sin embargo, reconocen las limitaciones de esta tecnolog\u00eda, por ejemplo, la dependencia de reportes automatizados muy estandarizados, el bajo desempe\u00f1o en anomal\u00edas morfol\u00f3gicas y la necesidad de validaci\u00f3n cl\u00ednica prospectiva antes de cualquier uso real.<\/p>

El estudio sugiere que el aprendizaje multimodal podr\u00eda abrir la puerta a sistemas de diagn\u00f3stico m\u00e1s flexibles y escalables, aunque a\u00fan queda trabajo por hacer para garantizar su seguridad y precisi\u00f3n en distintos entornos cl\u00ednicos.<\/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\/s41746-025-02074-3<\/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":"

ECG-CLIP, el nuevo modelo de IA permite diagnosticar enfermedades card\u00edacas a partir de ECG usando solo descripciones en lenguaje natural.<\/p>","protected":false},"author":1,"featured_media":65275,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-65270","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\/65270","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=65270"}],"version-history":[{"count":8,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65270\/revisions"}],"predecessor-version":[{"id":65284,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/65270\/revisions\/65284"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/65275"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=65270"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=65270"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=65270"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}