--- canonical_url: "https://techinfo.com.ar/contenido/1764/un-avance-en-la-deteccion-de-riesgos-cardiacos-mediante-inteligencia-artificial" title: "Un avance en la detección de riesgos cardíacos mediante inteligencia artificial" article_type: "Article" description: "Investigadores de UC Berkeley han descubierto una señal de advertencia oculta en electrocardiogramas que podría ayudar a predecir eventos cardíacos fatales, lo que representa un avance significativo en la identificación de pacientes en riesgo." main_image: "https://techinfo.com.ar/download/multimedia.grande.bdbb91f796443672.Z3JhbmRlLmpwZw%3D%3D.jpg" date_published: "2026-11-15T07:41:00-03:00" date_modified: "2026-11-15T07:41:29-03:00" author_name: "Techinfo" author_url: "https://techinfo.com.ar/usuario/3/techinfo" category_name: "Curiosidades" category_url: "https://techinfo.com.ar/categoria/3/curiosidades" --- # Un avance en la detección de riesgos cardíacos mediante inteligencia artificial ![](https://www.sciencedaily.com/images/1920/cardiology-heart-attack-disease-prevention.webp) Cada año, más de 300,000 personas en Estados Unidos mueren por paro cardíaco súbito, una emergencia letal que ocurre cuando el sistema eléctrico del corazón falla de manera repentina, provocando que el órgano deje de bombear sangre. Este tipo de evento puede afectar tanto a adultos mayores con condiciones cardíacas conocidas como a jóvenes atletas aparentemente saludables. Aunque los desfibriladores implantables pueden prevenir algunas de estas muertes, los médicos han enfrentado dificultades para determinar qué pacientes necesitan estos dispositivos con mayor urgencia. Un equipo de investigadores de UC Berkeley ha identificado una señal de advertencia previamente pasada por alto en los electrocardiogramas de rutina, lo que podría facilitar la identificación de personas en riesgo antes de que ocurra un evento fatal. Este descubrimiento se realizó utilizando inteligencia artificial entrenada con más de 440,000 electrocardiogramas (EKGs) recolectados en Suecia. Al comparar los patrones eléctricos registrados en estos escaneos con la información de los certificados de defunción, los investigadores lograron enseñar a un sistema de IA a reconocer diferencias sutiles entre individuos sanos, pacientes con riesgos cardíacos conocidos y personas que eventualmente fallecieron por causas cardíacas súbitas. Posteriormente, el equipo evaluó la tecnología utilizando miles de registros de pacientes adicionales de Estados Unidos y Taiwán, poniendo a prueba si los patrones podían identificar de manera confiable a personas con un riesgo elevado en diferentes poblaciones. Los resultados sugieren que la inteligencia artificial puede identificar a pacientes vulnerables de manera más efectiva que las pruebas convencionales en las que los médicos suelen confiar. Los métodos de detección actuales se centran principalmente en la cantidad de sangre que el corazón bombea con cada contracción, una medida utilizada para evaluar si alguien podría beneficiarse de un desfibrilador implantable. A través de estas mediciones tradicionales, los médicos pueden identificar un grupo de pacientes con una tasa anual de muerte súbita cardíaca del 4.6%. Sin embargo, el sistema de IA identificó un grupo con una tasa de mortalidad anual del 7%, demostrando una mayor capacidad para distinguir a los pacientes que enfrentan un peligro serio. Es importante destacar que el algoritmo también reconoció una población más amplia de personas en riesgo elevado, incluyendo a miles que, bajo las pautas médicas existentes, no habrían generado preocupaciones. La mayoría de estos individuos habrían sido clasificados como de riesgo relativamente bajo utilizando métodos convencionales. Otra ventaja importante es que el sistema de inteligencia artificial trabaja con imágenes de electrocardiogramas (EKG) comunes, que ya se recopilan de manera rutinaria en hospitales y centros médicos de todo el mundo. Esto significa que la tecnología podría mejorar potencialmente el cribado sin requerir un nuevo tipo de prueba médica. Los hallazgos, publicados en la revista Nature, podrían eventualmente ayudar a los médicos a tomar decisiones más informadas sobre quién debería recibir un desfibrilador implantable. También plantean una intrigante pregunta científica sobre qué cambios ocurren dentro del corazón que producen los patrones eléctricos que la inteligencia artificial ha aprendido a reconocer. "Las decisiones médicas son realmente difíciles, y creo que por eso la inteligencia artificial es tan emocionante para mí", comentó Ziad Obermeyer, profesor asociado en la Escuela de Salud Pública de UC Berkeley y autor principal del estudio. "No solo podemos tomar mejores decisiones, sino que también comenzamos a entender qué está sucediendo realmente con estos pacientes antes de que su corazón se detenga". Por qué es tan difícil predecir la muerte súbita cardíaca. El paro cardíaco súbito es diferente de un infarto. Un infarto ocurre cuando el flujo sanguíneo a una parte del corazón se bloquea o se restringe severamente. En contraste, el paro cardíaco resulta de una falla en las señales eléctricas que coordinan los latidos del corazón. La reanimación cardiopulmonar (RCP) inmediata y una descarga eléctrica de un desfibrilador externo automático pueden, en ocasiones, restaurar el ritmo del corazón. Sin embargo, aproximadamente el 90% de las personas que experimentan un paro cardíaco súbito fuera de un hospital mueren en minutos, lo que hace que el reconocimiento temprano de aquellos en riesgo sea especialmente importante. Para Obermeyer, un médico de emergencias cuya investigación combina inteligencia artificial, medicina y políticas de salud, la muerte súbita cardíaca sigue siendo uno de los problemas no resueltos más frustrantes de la medicina. Dado que las víctimas a menudo mueren sin advertencia, los investigadores tienen oportunidades limitadas para observar lo que sucede dentro del corazón inmediatamente antes de que se detenga. Una autopsia puede descubrir vasos sanguíneos bloqueados, tejido endurecido u otras anomalías estructurales, pero no puede revelar completamente cómo estaba funcionando el corazón en los momentos previos a la muerte. "Una de las cosas que hace que este problema sea muy trágico, pero también muy adecuado para la inteligencia artificial, es que tenemos la cura para este problema", afirmó Obermeyer. "Si supieras que eres una de las personas que va a morir repentinamente, irías a un cardiólogo y te implantarían un desfibrilador. El problema es que los médicos no pueden determinar quién lo necesita antes de que sea demasiado tarde". El problema con la evaluación actual del riesgo cardíaco es que los médicos dependen en gran medida de una medición de cuán eficazmente el corazón bombea sangre con cada latido. Los pacientes cuyos corazones tienen un bombeo por debajo de un umbral específico pueden ser considerados candidatos para un desfibrilador cardioversor implantable, un dispositivo que puede administrar una descarga eléctrica cuando se desarrolla un ritmo cardíaco peligroso. Sin embargo, obtener esta medición generalmente requiere una evaluación médica más extensa. Muchas personas que eventualmente experimentan un paro cardíaco repentino nunca reciben tales pruebas porque no tienen una razón obvia para sospechar que están en peligro. Este enfoque también tiene limitaciones para los pacientes identificados como de alto riesgo. Aproximadamente dos tercios de los desfibriladores implantados en estos pacientes nunca necesitan administrar una descarga. Como resultado, muchas personas se someten a procedimientos invasivos y costosos para emergencias potencialmente fatales que pueden nunca ocurrir. Al mismo tiempo, miles de personas que no son reconocidas como de riesgo mueren inesperadamente cada año. "En una fracción de esas personas, podríamos haber prevenido esas muertes si simplemente hubiéramos sabido a tiempo", dijo Obermeyer. "Se están perdiendo muchas vidas de personas que mueren repentinamente de muerte cardíaca que son prevenibles si tuviéramos mejores herramientas de inteligencia artificial para detectar estas cosas". Los investigadores esperan que identificar señales de advertencia más precisas pueda ayudar a los médicos a dirigir tratamientos preventivos hacia los pacientes que más probablemente se beneficiarán. Desarrollar el algoritmo requirió tres colecciones independientes de datos médicos recopilados de diferentes partes del mundo. Los investigadores comenzaron con seis años de grabaciones de electrocardiogramas (EKG) del sistema de salud unificado de Suecia. Al vincular estas grabaciones a certificados de defunción, pudieron examinar los patrones eléctricos de los pacientes que posteriormente experimentaron muerte cardíaca súbita y compararlos con los de otros pacientes. La inteligencia artificial aprendió a identificar combinaciones de picos, ondas y otras características en los registros que parecían estar asociadas con un mayor riesgo. Una vez que el sistema fue entrenado, el equipo lo puso a prueba con dos conjuntos de datos adicionales: dos años de registros de EKG anonimados de un sistema hospitalario en San Diego y una colección separada de datos de pacientes de Taipei. Esta prueba internacional ayudó a los investigadores a evaluar si las habilidades predictivas del algoritmo se extendían más allá de la población sueca utilizada para su desarrollo. "Una buena inteligencia artificial comienza con buenos datos", comentó Obermeyer, quien también forma parte del programa conjunto de Salud de Precisión Computacional de UCSF y UC Berkeley. "Desafortunadamente, datos como los que utilizamos para este estudio son increíblemente difíciles de acceder. Es una gran parte de por qué hay tan poca inteligencia artificial clínica en uso hoy en día". Obtener y organizar la información fue, en sí mismo, una tarea monumental. Según Obermeyer, ensamblar los conjuntos de datos tomó aproximadamente diez años e involucró contribuciones de dos organizaciones que él ayudó a establecer, Dandelion Health y Nightingale Open Science. Ambas organizaciones trabajan para avanzar en la investigación médica mediante un mejor acceso a datos e inteligencia artificial. "Es uno de los grandes lujos de estar en Berkeley", dijo Obermeyer. "Puedes perseguir estos proyectos que son un lento proceso y luego tener, con suerte, un gran retorno cuando llegan a la meta". Los investigadores ya han comenzado a explorar cómo podría utilizarse el sistema en entornos de atención médica reales. Obermeyer está colaborando con sistemas médicos en Suecia, Taiwán y Estados Unidos para introducir el algoritmo en las bases de datos de EKG de hospitales. El objetivo es examinar los escaneos cardíacos existentes en busca de signos de riesgo elevado e identificar a los pacientes que podrían beneficiarse de un monitoreo adicional. Bajo el enfoque propuesto, los médicos se pondrían en contacto con los pacientes cuyos EKG reciban una evaluación de alto riesgo y les ofrecerían la oportunidad de usar un parche que registre continuamente la actividad eléctrica de su corazón. Estas grabaciones más largas podrían proporcionar pistas valiosas sobre los procesos biológicos responsables de las señales de advertencia detectadas por la inteligencia artificial. Comprender esos procesos podría ayudar a los investigadores a explicar por qué ciertos corazones son más vulnerables a desarrollar repentinamente perturbaciones eléctricas fatales. Para algunos pacientes, la información adicional podría respaldar la recomendación de recibir un desfibrilador implantable, lo que podría prevenir una muerte súbita y, de otro modo, inesperada. Esta intervención es crucial, ya que la muerte súbita cardíaca puede ocurrir sin previo aviso, y contar con un dispositivo que pueda intervenir rápidamente puede marcar la diferencia entre la vida y la muerte. Obermeyer también ha creado un sitio web donde las personas interesadas en conocer su propio riesgo pueden proporcionar información personal básica y una dirección de correo electrónico. El equipo de investigación podrá contactarlos para realizar un análisis de electrocardiogramas (EKG) cuando la tecnología esté más disponible. Esta iniciativa busca empoderar a los individuos al permitirles acceder a información sobre su salud cardiovascular y potencialmente beneficiarse de los avances en la investigación. Más allá de su potencial para mejorar la prevención de la muerte súbita cardíaca, el descubrimiento resalta cómo la inteligencia artificial podría ayudar a los científicos a investigar misterios médicos que han resistido enfoques convencionales. En lugar de simplemente identificar a los pacientes que podrían necesitar tratamiento, el algoritmo ha descubierto patrones en la actividad cardíaca que los investigadores aún no comprenden completamente. Estudiar esas señales podría llevar a nuevos conocimientos sobre las perturbaciones eléctricas responsables de la muerte súbita cardíaca y, potencialmente, revelar oportunidades adicionales para la prevención. Este enfoque innovador podría cambiar la forma en que se entiende y se aborda la salud del corazón. Obermeyer sostiene que esta capacidad para descubrir patrones biológicos previamente no reconocidos podría convertirse en una de las contribuciones más importantes de la inteligencia artificial a la medicina, abriendo nuevas direcciones para la investigación y ayudando a los médicos a tomar mejores decisiones. "También habrá una nueva forma de hacer ciencia que surgirá de estas herramientas", comentó Obermeyer, "y es emocionante pensar en cómo eso comenzará a suceder". La posibilidad de que la inteligencia artificial transforme la investigación médica abre un abanico de oportunidades para mejorar la atención al paciente y la comprensión de diversas enfermedades. Temas relacionados incluyen Salud y Medicina, la atención médica actual, enfermedades cardíacas, salud en el lugar de trabajo, dispositivos médicos, computadoras y matemáticas, modelado computacional, biología computacional e Internet. Estos campos se interrelacionan y contribuyen al avance de la tecnología médica, lo que podría tener un impacto significativo en la salud pública y en la calidad de vida de las personas. Un estudio reciente ha revelado un biomarcador en el electrocardiograma (ECG) que podría ayudar a predecir muertes súbitas por causas cardíacas. Este hallazgo fue realizado por un equipo de investigadores que incluye a Ziad Obermeyer, Alexander Schubert, James Ross, Sendhil Mullainathan y Markus Lingman. La investigación se publicó en la revista Nature, en el año 2026, y está identificada con el número de DOI 10.1038/s41586-026-10674-6. Este avance podría tener un impacto significativo en la medicina preventiva, permitiendo identificar a personas en riesgo de sufrir eventos cardíacos repentinos. Los autores del estudio han utilizado técnicas de aprendizaje profundo para analizar datos del ECG, lo que ha llevado a la identificación de este nuevo biomarcador. Fuente original: [ScienceDaily](https://www.sciencedaily.com/releases/2026/11/261112230456.htm). --- *Contenido creado y optimizado para IA con [Medios CMS](https://medios.io)* — Plataforma profesional para la gestión de medios digitales y portales de noticias.