En los pasillos de la cardiología se abre un nuevo capítulo, la inteligencia artificial se cuela en la consulta para intentar vislumbrar antes de tiempo un infarto agudo de miocardio. Un reciente artículo de MIT Technology Review apuntaba que ciertos modelos ponen sobre la mesa la promesa de determinar con antelación quién va a tener un ataque al corazón.
Así trabaja la tecnología que escucha el pulso
Los sistemas de IA en esta área combinan grandes volúmenes de datos clínicos, historiales electrónicos de salud, resultados de laboratorio, imágenes o electrocardiogramas, e incluso datos recogidos por relojes inteligentes. En uno de los estudios mencionados se desarrolló el modelo GRACE 3.0 para pacientes con infarto sin elevación del ST. Analiza nueve variables clásicas: edad, sexo, ritmo cardiaco, presión arterial, niveles de troponina, desviaciones en el electro, función renal, paro previo y síntomas de insuficiencia. La diferencia está en cómo cruza estos datos, detecta patrones que escapan a los modelos tradicionales.
Promesas que viajan en ambulancia
El objetivo es anticiparse mejor, intervenir antes, reducir riesgos. El modelo GRACE 3.0, por ejemplo, ayuda a decidir si un paciente debe someterse a una angioplastia urgente o quedar en observación. La IA pretende afinar donde las escalas convencionales se quedan cortas, ofreciendo una predicción personalizada en lugar de una genérica.
Un motor alimentado por miles de historias clínicas
Estos sistemas se entrenan con enormes bases de datos multicéntricas, pacientes hospitalizados en distintos países, seguimientos a largo plazo, imágenes del corazón y parámetros analíticos. En paralelo, otros proyectos integran imágenes de arterias captadas por microcámaras y analizadas con IA para identificar placas vulnerables.
Tensiones en el latido digital
Surgen preguntas inevitables. ¿Funcionan igual estos modelos en mujeres, minorías o poblaciones del sur global? Algunos estudios alertan de que su eficacia cae fuera del contexto donde fueron entrenados. Además, los clínicos reclaman explicaciones, no basta con una predicción, se necesita entender cómo se llega a ella. Y está la cuestión de la responsabilidad: si un algoritmo falla, ¿quién responde?
Un espejo frente al pasado
Hasta ahora, se usaban escalas como QRISK o Framingham para estimar riesgo a diez años vista. Los modelos de IA no los sustituyen, pero los complementan con una mirada más amplia y precisa. En el caso de GRACE 3.0, la predicción se centra en un horizonte de un año, y en pacientes que ya están en proceso agudo. La diferencia está en el ajuste fino, como un traje hecho a medida.
Abre un paréntesis en tus rutinas. Suscríbete a nuestra newsletter y ponte al día en tecnología, IA y medios de comunicación.
