Diagnóstico de la enfermedad de las arterias coronarias mediante procesamiento de señales y aprendizaje automático de señales de sonido cardiaco: una revisión sistemática

Escuchar el corazón en lugar de acceder a las arterias

La enfermedad de las arterias coronarias, en la que los vasos que irrigan el corazón se estrechan, es una de las principales causas de muerte en todo el mundo. Hoy, los médicos suelen confirmar esta enfermedad con exploraciones invasivas que introducen catéteres en el corazón o con costosas máquinas de imagen. Este estudio plantea una pregunta sencilla y atractiva: ¿podría un análisis cuidadoso de los sonidos ordinarios del corazón —grabados con micrófonos sobre el tórax e interpretados por ordenadores— ofrecer una primera evaluación segura y rápida de las arterias coronarias obstruidas?

Por qué las arterias bloqueadas cambian el sonido del corazón

Cuando una arteria coronaria se estrecha, la sangre se ve obligada a pasar por una apertura más reducida, creando flujo turbulento y de alta velocidad. Esa turbulencia puede generar soplos tenues y vibraciones adicionales, especialmente durante la fase de relajación del corazón, cuando la sangre suele fluir con más calma. La misma pérdida de suministro sanguíneo puede debilitar sutilmente la capacidad de contracción del corazón y alterar el momento y la intensidad de los latidos principales. Todos estos cambios remodelan ligeramente la “melodía” del latido. Los estetoscopios electrónicos modernos pueden capturar estos sonidos, que luego se convierten en señales digitales para el análisis por ordenador.

Cómo buscaron los investigadores en la literatura científica

Los autores revisaron cuatro grandes bases de datos médicas y examinaron más de mil publicaciones sobre sonidos cardiacos y enfermedad coronaria. Tras eliminar duplicados, informes muy pequeños y trabajos con métodos deficientes, acabaron con 40 estudios que en conjunto incluyeron a 13.814 personas. Casi todos estos estudios confirmaron la presencia o ausencia de estrechamiento arterial significativo mediante la imagen estándar de las arterias coronarias, y luego compararon esos hallazgos con lo que podía extraerse de los sonidos cardiacos. Aproximadamente la mitad de los estudios se basó en procesamiento de señales tradicional —descripciones matemáticas de la energía y la frecuencia del sonido— mientras que la otra mitad utilizó aprendizaje automático, en el que los algoritmos aprenden los patrones directamente a partir de los datos.

Límites de las mediciones sonoras tradicionales

En el enfoque más antiguo, los científicos seleccionaban unas pocas características sonoras específicas que creían podrían reflejar arterias estrechas. Medidas típicas incluían cuánta energía sonora aparecía en determinadas bandas de frecuencia durante la fase de relajación del corazón, o cuánto duraban y cuán intensos eran los latidos principales. Estos estudios solían parecer prometedores en pequeños grupos de pacientes, a veces informando que podían identificar correctamente la enfermedad en más del 70 por ciento de los casos. Pero a medida que los tamaños de muestra crecieron hasta cientos o miles, la precisión bajó, con frecuencia por debajo del 70 por ciento y en ocasiones cercana al azar. Muchos de estos trabajos también validaron sus métodos en las mismas personas utilizadas para desarrollarlos, lo que genera dudas sobre si los resultados se mantendrían en pacientes nuevos.

El aprendizaje automático descubre patrones ocultos del corazón

Los estudios más recientes tomaron un camino distinto. En lugar de limitarse a unas pocas características seleccionadas manualmente, permitieron que los algoritmos informáticos aprendieran patrones más ricos en el sonido. Algunos combinaron docenas o incluso cientos de medidas tradicionales; otros introdujeron la onda sonora cruda o representaciones tiempo‑frecuencia del latido en redes de aprendizaje profundo. Entre 19 de esos estudios, la mayoría informó sensibilidades y especificidades superiores al 80 por ciento, lo que significa que los sistemas identificaron correctamente tanto a enfermos como a sanos gran parte del tiempo. Es importante que la mayoría de los estudios de aprendizaje automático probaron sus modelos con sonidos cardiacos de personas que no formaron parte del entrenamiento, lo que da más confianza en la capacidad de generalización de las herramientas. Los modelos que escucharon el ciclo cardíaco completo, en lugar de solo la silenciosa fase diastólica, tendieron a rendir mejor —sugiriendo que las pistas útiles sobre la enfermedad arterial están repartidas a lo largo del latido, no confinadas a un único momento.

Qué podría significar esto para la atención cotidiana

En conjunto, la evidencia sugiere que el aprendizaje automático aplicado a los sonidos cardiacos tiene un prometedor potencial como ayuda no invasiva para detectar la enfermedad de las arterias coronarias, mientras que los trucos de procesamiento de señales más simples probablemente no son lo bastante precisos. Los autores advierten, sin embargo, que la mayoría de los estudios hasta ahora han sido pequeños y realizados en un solo hospital, a menudo en condiciones de grabación cuidadosamente controladas. Para pasar de la investigación al uso cotidiano —quizá en urgencias, clínicas o incluso en herramientas basadas en smartphones— se necesitan ensayos mayores y multicéntricos. Estos futuros estudios deberán demostrar que dichos sistemas mantienen su precisión en grupos diversos de pacientes, siguen siendo comprensibles para los clínicos e encajan sin fricciones en las vías de atención. Si esos obstáculos se superan, escuchar atentamente el corazón con la ayuda de la inteligencia artificial podría algún día ayudar a detectar la enfermedad arterial oculta mucho antes de que sea necesario un examen invasivo.

Cita: Ainiwaer, A., Konings, T.J., Kadier, K. et al. Coronary artery disease diagnosis with signal processing and machine learning of heart sound signals: a systematic review. npj Digit. Med. 9, 350 (2026). https://doi.org/10.1038/s41746-026-02530-8

Palabras clave: enfermedad de las arterias coronarias, sonidos del corazón, aprendizaje automático, diagnóstico no invasivo, estetoscopio digital