El uso de inteligencia artificial (IA) para analizar electrocardiogramas (ECG) mejoró la detección de ataques cardíacos graves, incluidos aquellos que presentaban síntomas no convencionales o patrones de ECG atípicos, y redujo los falsos positivos, según un estudio publicado en JACC: Cardiovascular Interventions y presentado simultáneamente en TCT 2025 en San Francisco.
por Colegio Americano de Cardiología
El infarto de miocardio con elevación del segmento ST (STEMI) es un tipo grave de ataque cardíaco en el que se bloquea una arteria coronaria importante, lo que impide el flujo sanguíneo al músculo cardíaco. El estándar de atención es restaurar rápidamente el flujo sanguíneo, o reperfusión, mediante una intervención coronaria percutánea; sin embargo, aún persisten retrasos en el cumplimiento del tiempo de reperfusión recomendado por las directrices, especialmente en hospitales y centros no especializados en ICP y en áreas rurales. El tiempo hasta la reperfusión de más de 90 minutos se asocia con tasas de mortalidad tres veces más altas.
“La interpretación de ECG impulsada por IA puede traer lo mejor de ambos mundos: identificar ataques cardíacos verdaderos temprano y reducir las activaciones innecesarias”, dijo Robert Herman, MD, PhD, autor principal del estudio e investigador cardiovascular en el Hospital AZORG en Aalst, Bélgica.
Mejorar la precisión del triaje en el primer contacto médico puede agilizar la atención de emergencia, reducir la fatiga y la tensión en los equipos clínicos y garantizar que los pacientes que realmente necesitan una intervención urgente la reciban sin demora”.
Robert Herman, Investigador Cardiovascular, Hospital AZORG
En una de las primeras grandes evaluaciones del mundo real de un modelo de ECG basado en IA para el triaje de STEMI en el entorno de emergencia, los investigadores observaron retrospectivamente a 1.032 pacientes con sospecha de STEMI que activaron protocolos de reperfusión de emergencia. Los datos procedían de tres centros primarios de ICP geográficamente diversos entre enero de 2020 y mayo de 2024. El ECG inicial de cada paciente se sometió a análisis mediante el modelo STEMI AI ECG (Queen of Hearts) entrenado para detectar la oclusión coronaria aguda, incluidos los equivalentes de STEMI y diferenciarlos de los imitadores benignos.
La angiografía y los biomarcadores confirmaron que 601 (58%) eran IAMCEST y 431 (42%) eran falsos positivos. El modelo de ECG AI funcionó mejor que el triaje estándar, detectando 553 de 601 IAMCEST confirmados frente a 427 detectados por el triaje estándar en el ECG inicial. El ECG AI tuvo una tasa de falsos positivos del 7,9% frente al 41,8% del triaje estándar, lo que representa una reducción de cinco veces.
“Estos resultados indican que el diagnóstico de IAMCEST mejorado en el primer contacto médico tiene el potencial de acortar el tiempo de tratamiento y reducir las falsas activaciones”, dijo Timothy D. Henry, MD, FACC, autor principal del estudio, la Cátedra Distinguida de Investigación Clínica de la Familia Carl y Edyth Lindner y Director Médico del Centro Carl y Edyth Lindner de Investigación y Educación en el Hospital Christ en Cincinnati. “Esta tecnología puede ser especialmente valiosa para optimizar la transferencia de pacientes con IAMCEST desde centros que no son PCI para garantizar una atención oportuna y adecuada”.
En un comentario editorial adjunto, Mohamad Alkhouli, MD, MBA, cardiólogo de la Clínica Mayo, dijo que los investigadores deben ser “elogiados por desarrollar un modelo de IA operativo destinado a abordar uno de los aspectos más complejos y propensos a errores de la práctica de cardiología intervencionista: la activación del IAMCEST”.
Sin embargo, enfatizó que el modelo de IA empleado en el estudio debe interpretarse con precaución, ya que originalmente se desarrolló para detectar arterias ocluidas en lugar de IAMCEST y requiere una validación prospectiva adicional en diversas poblaciones de pacientes.
“El verdadero desafío no es solo la prueba de precisión, sino la preparación: integrar, regular e interpretar la IA como un complemento del juicio humano, particularmente en entornos clínicos de alto riesgo y sensibles al tiempo”, dijo Alkhouli.
Fuente: Colegio Americano de Cardiología
Referencia de la revista:
Herman, R., et al. (2025). El análisis de ECG habilitado por IA mejora la precisión del diagnóstico y reduce las falsas activaciones de IAMCEST: un registro multicéntrico de EE. UU. JACC: Intervenciones cardiovasculares. doi.org/10.1016/j.jcin.2025.10.018.