Rendimiento del ECG de 12 derivaciones para predecir el riesgo a corto y largo plazo de muerte cardiaca súbita

Por qué importa esto para los pacientes cardiacos

La muerte cardiaca súbita se presenta sin avisar y a menudo afecta a personas que ya saben que tienen enfermedad cardíaca. Muchos de estos pacientes se someten rutinariamente a electrocardiogramas (ECG), pruebas sencillas que registran la actividad eléctrica del corazón. Este estudio abordó una pregunta urgente para pacientes y médicos: ¿puede la información oculta en los ECG estándar de 12 derivaciones, combinada con datos clínicos básicos, indicarnos de forma fiable quién corre riesgo de morir de forma súbita, ya sea dentro de años o en un futuro próximo?

Buscando señales de advertencia en las pruebas cardiacas de uso cotidiano

Investigadores en Finlandia examinaron los registros médicos de 17.625 adultos tratados en un único hospital cardíaco que se sometieron a angiografía coronaria, una prueba de imagen de los vasos que irrigan el corazón. Estos pacientes ya se consideraban de alto riesgo porque muchos tenían enfermedad de las arterias coronarias o un síndrome coronario agudo, como un infarto. Durante dieciséis años, sus ECG rutinarios se almacenaron de forma digital, produciendo alrededor de medio millón de registros—en promedio 17 ECG por persona. El equipo también disponía de información detallada sobre la salud de cada paciente, tratamientos y causas de fallecimiento, y los siguió una mediana de 7,5 años.

Enseñar a un ordenador a leer la historia eléctrica

En lugar de pedir a cardiólogos que inspeccionaran visualmente los ECG, los investigadores se basaron en números extraídos automáticamente por software comercial ampliamente utilizado. Estos parámetros describían muchos aspectos del comportamiento eléctrico del corazón: cuánto duraba cada onda, qué amplitud tenía en distintas derivaciones y si estaban presentes ritmos como la fibrilación auricular. Usando este conjunto rico de parámetros y factores clínicos básicos como la edad, la función de bombeo del corazón y cardiopatía previa, entrenaron un método avanzado de aprendizaje automático llamado gradient boosting para distinguir a las personas que posteriormente sufrieron muerte cardiaca súbita o un evento estrechamente relacionado de las que no. Construyeron modelos separados para tres situaciones: usando solo el primer ECG tras la angiografía para predecir riesgo a largo plazo; usando el último ECG disponible para evaluar riesgo a corto plazo; y usando el último ECG más cómo había cambiado cada característica del ECG a lo largo del tiempo.

¿Qué tan bien funcionaron realmente los modelos?

En papel, los modelos parecían muy sólidos cuando se juzgaban únicamente con los datos usados para construirlos, con medidas estándar de precisión que sugerían un rendimiento casi excelente. Pero cuando los investigadores los probaron de forma más realista, la imagen se volvió más modesta. Usando un único ECG basal, la capacidad del modelo para separar a las futuras víctimas de muerte cardiaca súbita del resto alcanzó un área bajo la curva (AUC) de aproximadamente 0,68—mejor que el azar, pero lejos de ser perfecta. El último ECG tomado antes del final del seguimiento no rindió mejor por sí solo. Al añadir factores clínicos de riesgo, el rendimiento aumentó ligeramente hasta valores de AUC en torno a 0,70–0,71. Los mejores resultados a corto plazo se obtuvieron al combinar el último ECG con información sobre cómo habían cambiado las características del ECG a lo largo de los años, alcanzando una AUC de alrededor de 0,72 en el conjunto de prueba completo. Sin embargo, cuando el equipo forzó una comparación justa entre pacientes cuidadosamente emparejados con y sin muerte súbita, estos valores cayeron al rango medio de los 0,6.

Límites de la predicción en el mundo real

Dado que la muerte cardiaca súbita fue relativamente poco frecuente—incluso en este grupo de alto riesgo—otra medida llamada precisión‑recobrado (precision‑recall) ofreció una perspectiva sobria. La capacidad de los modelos para señalar correctamente a los pacientes que realmente sufrirían muerte cardiaca súbita siguió siendo baja, con una precisión media alrededor de 0,08–0,11. Esto todavía fue aproximadamente el doble de lo esperado por azar, pero muy inferior a lo necesario para decidir con confianza quién debería recibir tratamientos preventivos invasivos como desfibriladores implantables. Es importante destacar que el estudio incluyó a muchos pacientes con ritmos irregulares y enfermedades coexistentes graves, a diferencia de investigaciones anteriores más selectivas. Esa elección hizo que los resultados fueran más representativos de la práctica clínica cotidiana, pero también complicó la predicción.

Qué significa esto para pacientes y médicos

En términos sencillos, este gran estudio muestra que los ECG ordinarios de 12 derivaciones, incluso cuando son interpretados por algoritmos informáticos sofisticados y se combinan con datos clínicos, solo pueden predecir de forma moderada quién morirá de forma súbita entre pacientes cardiacos de alto riesgo. Las señales eléctricas del corazón contienen pistas útiles—especialmente cuando se siguen a lo largo del tiempo—pero no son lo bastante potentes por sí solas para dar respuestas concluyentes sobre quién necesita terapia preventiva agresiva. Por ahora, médicos y pacientes deben seguir basándose en una visión más amplia que incluya la función cardíaca, los síntomas, otras enfermedades y herramientas emergentes, mientras la investigación continúa buscando señales de advertencia más fuertes y fiables.

Cita: Hernesniemi, J.A., Pukkila, T., Rankinen, J. et al. Performance of the 12-lead ECG in predicting short- and long-term risk of sudden cardiac death. npj Digit. Med. 9, 317 (2026). https://doi.org/10.1038/s41746-026-02456-1

Palabras clave: muerte cardiaca súbita, electrocardiograma, aprendizaje automático, predicción de riesgo, enfermedad de las arterias coronarias