Una IA podría detectar insuficiencia cardíaca avanzada con una precisión del 85%

Detectar a tiempo una insuficiencia cardíaca avanzada —una condición en la que el corazón pierde capacidad para bombear sangre de manera eficiente— puede marcar la diferencia entre recibir tratamiento oportuno o avanzar hacia etapas más graves de la enfermedad. Sin embargo, en muchos casos, esa evaluación depende de estudios complejos que no están disponibles en todos los hospitales.

Un equipo de científicos del Weill Cornell Medical College desarrolló un sistema basado en inteligencia artificial capaz de identificar esta condición a partir de ecocardiogramas y registros médicos. El avance reduce la dependencia de pruebas especializadas, disponibles solo en centros de alta complejidad, y podría ampliar el alcance de las evaluaciones en miles de pacientes.

Al analizar imágenes cardíacas de uso habitual junto con información clínica básica, el modelo permite reconocer a personas en riesgo sin necesidad de procedimientos sofisticados. Esto facilita intervenciones más tempranas en quienes, hasta ahora, no lograban acceder a instancias más avanzadas de estudio.

En la actualidad, la confirmación de esta enfermedad suele requerir una prueba de esfuerzo cardiopulmonar, un procedimiento que mide cómo responde el organismo durante la actividad física y que exige equipamiento específico y personal entrenado.

Debido a estas limitaciones, solo una parte de las aproximadamente 200.000 personas afectadas en Estados Unidos recibe atención adecuada, según datos del Weill Cornell Medical College.

El estudio, publciado en la revista npj Digital Medicine, evaluó un modelo de aprendizaje automático capaz de estimar el consumo máximo de oxígeno durante el ejercicio (VO2 máximo), un indicador clave del rendimiento del corazón. En términos simples, este valor refleja cuánta capacidad tiene el organismo para utilizar oxígeno durante el esfuerzo, lo que permite inferir el estado funcional del sistema cardiovascular.

Cómo funciona el modelo

El sistema fue desarrollado por un equipo liderado por el doctor Fei Wang, especialista en informática médica, y combina distintos tipos de información para generar un pronóstico confiable. Analiza secuencias de ecocardiogramas en movimiento —que permiten observar el flujo sanguíneo y el funcionamiento de las válvulas— junto con variables clínicas habituales, como edad, antecedentes y parámetros médicos básicos.

Para su entrenamiento, los investigadores utilizaron datos de 1.000 pacientes atendidos en el NewYork-Presbyterian/Columbia University Irving Medical Center. Todos los registros fueron anonimizados para garantizar la privacidad. Posteriormente, el modelo se validó en otros 127 casos provenientes de distintos centros, con el objetivo de comprobar su desempeño en escenarios diversos.

Los resultados mostraron una precisión cercana al 85%, superando enfoques previos en este campo. Este nivel de exactitud sugiere que el sistema podría integrarse en la práctica médica como herramienta de apoyo para la toma de decisiones.

Un desarrollo impulsado por múltiples disciplinas

El proyecto reunió a especialistas en informática, ciencia de datos y cardiología clínica de instituciones como Weill Cornell Medical College, Cornell Tech y Columbia University. “Esto abre una vía prometedora para una evaluación más eficiente utilizando datos que ya forman parte de la atención médica cotidiana”, señaló Fei Wang.

Además, Nir Uriel, cardiólogo especializado en insuficiencia cardíaca, subrayó el impacto potencial de esta herramienta: “Si podemos utilizar este enfoque para identificar a muchos pacientes con insuficiencia cardíaca avanzada que de otro modo no serían detectados, esto podría cambiar la práctica clínica y mejorar significativamente los resultados y la calidad de vida”.

Qué puede cambiar en la atención médica

El principal aporte de este desarrollo es su potencial para ampliar el alcance de evaluaciones médicas sin depender de infraestructura compleja. Al utilizar información que ya se obtiene en la mayoría de los hospitales, podría implementarse en entornos con menos recursos.

Esto permitiría identificar casos en etapas más tempranas y mejorar las oportunidades de tratamiento, especialmente en pacientes que hoy no acceden a centros especializados. En ese sentido, el avance no solo implica una mejora tecnológica, sino también una posible reducción de desigualdades en el acceso a la salud.

Tras los resultados iniciales, el equipo planea ampliar los estudios clínicos para seguir validando el modelo en distintas poblaciones. Su implementación generalizada requerirá la aprobación de organismos regulatorios como la Administración de Alimentos y Medicamentos de Estados Unidos (FDA).

Se espera que este enfoque contribuya a optimizar la atención clínica y mejorar la calidad de vida de quienes hoy no reciben una evaluación temprana. Según los investigadores, la integración entre medicina e inteligencia artificial está dando lugar a nuevas herramientas con impacto directo en la salud pública.

El Weill Cornell Medical College estima que esta tecnología podría beneficiar a miles de personas que actualmente quedan fuera del sistema de atención especializada, con el potencial de cambiar la forma en que se detectan y abordan los casos más avanzados de esta enfermedad.