La inteligencia artificial detecta riesgos cardíacos ocultos en tomografías de tórax

Durante décadas, la predicción de infartos fue uno de los mayores desafíos para la cardiología. A pesar de los avances médicos y tecnológicos, identificar con precisión quién sufrirá un ataque cardíaco sigue siendo una tarea compleja.

En este escenario, la llegada de la inteligencia artificial (IA) promete transformar la detección de riesgos ocultos en el corazón, al analizar tomografías computarizadas de tórax y revelar señales que suelen pasar inadvertidas. Según expertos citados por MIT Technology Review, esta tecnología podría marcar un punto de inflexión en la prevención de enfermedades cardiovasculares, aunque su impacto real aún está por demostrarse.

Predecir infartos sigue siendo una tarea compleja, en gran parte porque muchas personas nunca acceden a pruebas específicas de riesgo cardíaco. Cada año se efectúan millones de tomografías de tórax por diferentes razones médicas, como accidentes o estudios oncológicos.

Sin embargo, estos análisis suelen concentrarse en la vigilancia de huesos o tumores y para su interpretación no se suele prestar atención a indicadores cardiovascular como la presencia de calcio en las arterias coronarias (CAC), un marcador fundamental de riesgo de infarto.

El CAC indica la acumulación y endurecimiento de la placa en las arterias. Aunque la placa calcificada suele ser estable, su sola presencia revela un proceso activo que podría conllevar riesgo de infarto. Tradicionalmente, el recuento de CAC exige una tomografía cardiaca específica, un procedimiento poco frecuente y con escasa cobertura de seguros de salud, lo que restringe su uso regular.

El desarrollo de algoritmos avanzados de inteligencia artificial permitió aprovechar las tomografías de tórax rutinarias para detectar y cuantificar el calcio en las arterias coronarias, sin requerir procedimientos adicionales ni elevados costos. Estas tecnologías llevan el análisis más allá del diagnóstico original, alertando sobre puntajes elevados de CAC e incentivando la intervención médica preventiva.

Este método amplía el acceso al puntaje de CAC, utilizando estudios que ya forman parte de la rutina hospitalaria. De acuerdo con el MIT Technology Review, esta automatización podría posibilitar la detección precoz de riesgos cardíacos en una población mucho mayor, situando la medicina preventiva en una nueva escala.

El impulso de la IA en este campo fue liderado por startups como Bunkerhill Health, Nanox.AI y HeartLung Technologies, que integran algoritmos en la interpretación de millones de tomografías en busca de signos incipientes de enfermedades cardíacas. Aunque todavía están afianzando su presencia, el progreso es rápido y el impacto potencial en la salud pública resulta considerable.

Solo en Estados Unidos, se estiman unos 20 millones de tomografías de tórax anuales, y la incorporación de IA permitiría identificar a miles de pacientes en riesgo, tradicionalmente no considerados bajo seguimiento cardiovascular.

Entre los principales aportes de la tecnología destaca su la capacidad para descubrir riesgos en pacientes sin síntomas o desconocidos por el sistema de salud. El análisis masivo de datos médicos posibilita identificar patrones sutiles, aumentar el acceso a la prevención y reducir la presencia de eventos cardiovasculares severos antes de que ocurran.

MIT Technology Review resaltó que esta tecnología podría transformar la medicina preventiva, creando alertas personalizadas en poblaciones alejadas o fuera del radar clínico. Se trataría así de una herramienta poderosa para promover la equidad en el acceso a la atención y reducir la mortalidad cardiovascular.

El camino hacia la implementación masiva de la IA también enfrenta desafíos críticos. La ausencia de pruebas concluyentes sobre su capacidad para reducir la mortalidad complica su adopción. Un estudio danés de 2022 no halló diferencias en las tasas de mortalidad usando pruebas de CAC en cribados poblacionales.

Además, surgen dudas sobre cómo gestionar los hallazgos inesperados. Según Nishith Khandwala, de Bunkerhill Health, muchos sistemas de salud no cuentan con procedimientos estándar para responder a la detección incidental de calcio arterial, lo cual podría traducirse en mayor carga laboral sin una ganancia clara en resultados médicos. “Sin un procedimiento estándar para actuar ante estos hallazgos, se corre el riesgo de crear más trabajo que valor”, explicó.

Otra preocupación radica en la interpretación clínica de los puntajes generados por IA. En pacientes asintomáticos con resultados altos, no existe consenso sobre cómo proceder. Más allá de prescribir estatinas, faltan directrices claras para el uso de otros medicamentos costosos o para evitar intervenciones innecesarias que incluso podrían ser perjudiciales.

Por otro lado, el escaso reembolso de estos procedimientos por parte de los seguros dificulta su implementación comercial y podría incentivar prácticas de dudoso beneficio.

El avance de la IA en medicina abre también debates esenciales sobre la definición misma de enfermedad. Adam Rodman, hospitalista y experto en IA en el Beth Israel Deaconess Medical Center de Boston, advirtió que los puntajes de CAC recuerdan a los “incidentalomas”: hallazgos inesperados que alteran la lógica diagnóstica.

La llegada de una “nosología basada en máquinas” podría modificar la manera en que se identifican y clasifican las enfermedades, permitiendo que los algoritmos decidan qué constituye una patología cardíaca.

Rodman alertó sobre el posible surgimiento de una medicina de dos niveles: quienes puedan costear acceso a algoritmos exclusivos y quienes deban recurrir a versiones menos avanzadas. Esto profundizaría las desigualdades y plantea interrogantes éticos sobre el futuro de la atención digital.

A pesar de las preocupaciones, la IA ofrece una oportunidad inédita de identificar problemas cardíacos en personas previamente fuera del radar médico. Aunque, como resaltó el medio, todavía existen interrogantes en cuanto a la comunicación de resultados, la definición de acciones posteriores y el real impacto sobre la gran escala de la salud pública.