Electrocardiograma con inteligencia artificial para rastreo de la disfunción sistólica del ventrículo izquierdo.
Importancia: La detección temprana del riesgo de insuficiencia cardíaca con fracción de eyección reducida sigue siendo un desafío en entornos con recursos limitados debido al acceso restringido a la ecocardiografía. Los algoritmos de electrocardiograma con inteligencia artificial (ECG-IA) han demostrado ser prometedores para identificar la disfunción sistólica del ventrículo izquierdo (DSVI), pero su viabilidad en entornos con recursos limitados aún se desconoce.
Objetivo: Determinar la frecuencia de pacientes en Kenia con alta probabilidad de DSVI mediante ECG-IA y evaluar el rendimiento del algoritmo de ECG-IA en comparación con el método de referencia de la ecocardiografía.
Diseño, entorno y participantes: Este fue un estudio transversal con reclutamiento de junio a diciembre de 2024. Los participantes se sometieron a una evaluación basal y a un ECG de 12 derivaciones, y un subgrupo completó la ecocardiografía en un plazo de 7 días. El subgrupo de ecocardiografía incluyó participantes de 3 estratos de riesgo preespecificados: aquellos con enfermedad cardiovascular previa, aquellos con alto riesgo cardiovascular (puntuación de riesgo de Framingham [PRF] ≥10 %) y aquellos con bajo riesgo (PRF <10 %). El estudio se realizó en 8 centros de atención ambulatoria en Kenia. Se incluyeron 1444 pacientes mayores de 18 años que acudían a consulta de rutina y se les realizó un ecocardiograma. Los criterios de exclusión incluyeron la incapacidad para dar su consentimiento informado.
Exposición: el riesgo de disfunción sistólica del ventrículo izquierdo (DSVI) se identificó mediante un algoritmo de ECG con IA validado basado en redes neuronales convolucionales (AiTiALVSD).
Resultados y medidas principales: Los resultados clave fueron el rendimiento diagnóstico (sensibilidad, especificidad y valores predictivos positivos y negativos) del algoritmo de ECG con IA para detectar la DSVI (fracción de eyección del ventrículo izquierdo <40%) cuando se confirmaba mediante ecocardiografía.
Resultados: Entre los 1444 participantes (edad media [DE], 59,0 [16,7] años; 907 [62,8%] mujeres; 1118 [77,4%] con alto riesgo), se identificó DSVI en 204 (14,1%). El algoritmo de ECG basado en IA presentó una sensibilidad del 95,6 % (IC del 95 %, 91,8-97,7), una especificidad del 79,4 % (IC del 95 %, 77,0-81,5), un valor predictivo positivo del 43,2 % (IC del 95 %, 38,7-47,9), un valor predictivo negativo del 99,1 % (IC del 95 %, 98,3-99,5) y un área bajo la curva ROC (AUC) de 0,96 (IC del 95 %, 0,95-0,97). El rendimiento se mantuvo constante en todos los estratos de riesgo cardiovascular (AUC, 0,96-0,98).
Conclusiones y relevancia: En este estudio, el algoritmo de ECG basado en IA demostró su potencial utilidad clínica para la detección del riesgo de disfunción sistólica del ventrículo izquierdo (DSVI) con alta sensibilidad y valor predictivo negativo, y podría ser especialmente escalable en entornos con recursos limitados.
Accedé al artículo completo: Pandey A, Keshvani N, Segar MW, et al. Artificial Intelligence Electrocardiogram and Left Ventricular Systolic Dysfunction in Kenya. JAMA Cardiol. Published online May 06, 2026. doi:10.1001/jamacardio.2026.0908