Un marco de aprendizaje profundo flexible frente a la vista para el análisis automatizado de ecocardiografías 2D

Por qué las exploraciones cardíacas necesitan una mano amiga

Las ecografías del corazón son una piedra angular de la cardiología moderna, pero obtener información fiable de ellas suele requerir años de formación. En consultas muy concurridas, servicios de urgencias o entornos remotos, esa experiencia no siempre está disponible, lo que puede retrasar la atención de personas con problemas cardíacos. Este estudio explora si la inteligencia artificial (IA) puede interpretar vídeos ecocardiográficos comunes desde casi cualquier ángulo estándar, haciendo posibles evaluaciones cardíacas de alta calidad incluso cuando las imágenes son capturadas por usuarios menos experimentados con dispositivos de mano.

Una nueva forma de leer imágenes cardíacas en movimiento

Los investigadores desarrollaron un marco de aprendizaje profundo capaz de analizar clips de vídeo cortos de ecocardiogramas bidimensionales: imágenes en movimiento en blanco y negro del corazón latiendo. A diferencia de las herramientas informáticas tradicionales que esperan un ángulo de cámara muy específico, este sistema acepta varias vistas comunes siempre que la cavidad de bombeo principal, el ventrículo izquierdo, aparezca en la imagen. A partir de estas vistas variadas, la IA estima tres cosas: qué tan bien bombea sangre el corazón (la fracción de eyección ventricular izquierda, o FEVI), la edad del paciente y el sexo del paciente. La idea clave es liberar la ecografía de requisitos rígidos de vista para que sigan siendo posibles buenas mediciones incluso cuando las imágenes no son perfectas.

Probar el sistema en muchos tipos de pacientes

Para evaluar el rendimiento del marco, el equipo lo entrenó con decenas de miles de ecocardiogramas estándar procedentes de sedes de la Clínica Mayo en Minnesota y Wisconsin. Luego lo probaron en varios grupos independientes: más pacientes de Arizona y Florida, un gran conjunto de datos público de Stanford y dos colecciones obtenidas con dispositivos de mano. Un conjunto de dispositivo de mano provino de pacientes que se sometieron a un examen con máquina estándar y a una exploración de mano durante la misma visita. El otro procedía de hospitales en Estados Unidos e Israel, donde tanto ecografistas expertos como usuarios noveles —enfermeras y médicos residentes con un curso breve de formación y software de orientación en tiempo real— registraron imágenes con el dispositivo de mano.

¿Qué tan precisas fueron las estimaciones de la IA sobre el corazón y el cuerpo?

En todos estos conjuntos de datos diversos, las estimaciones de FEVI de la IA se ajustaron estrechamente a los valores calculados por lectores expertos, con diferencias típicas inferiores a diez puntos porcentuales en la gran mayoría de los casos. También funcionó bien en una cuestión práctica clave: decidir si la función de bombeo del corazón estaba claramente reducida o no. Tanto para máquinas estándar como para dispositivos de mano, el rendimiento del sistema al identificar corazones con FEVI significativamente baja fue similar al de los especialistas humanos. Es importante destacar que los resultados se mantuvieron sólidos cuando las imágenes se capturaron con escáneres de mano, e incluso cuando esos escáneres fueron operados por noveles que usaban el software de orientación. Solo en una pequeña minoría de casos las estimaciones de FEVI obtenidas de clips adquiridos por noveles difirieron de forma significativa respecto a las obtenidas por expertos para el mismo paciente.

Pistas ocultas sobre edad y sexo dentro del movimiento cardíaco

Más allá de la fuerza de bombeo, la IA fue sorprendentemente buena adivinando la edad y el sexo de una persona a partir de su ecografía cardíaca. La edad estimada coincidió estrechamente con la edad real, tanto si las imágenes procedían de máquinas estándar como de dispositivos de mano. La clasificación por sexo también fue altamente precisa en todos los grupos de prueba. Aunque estas características ya se conocen en la clínica, la capacidad de inferirlas de forma fiable a partir del movimiento cardíaco sugiere que las imágenes ecocardiográficas contienen patrones sutiles de envejecimiento y diferencias biológicas que el ojo humano no cuantifica de forma rutinaria. Los autores sugieren que las discrepancias entre la edad estimada por la IA y la edad real, por ejemplo, podrían algún día reflejar la «edad cardíaca biológica» y ayudar a identificar a personas con mayor riesgo cardiovascular.

Qué implica esto para la atención cardíaca futura

Este estudio muestra que un único marco de IA puede convertir una amplia gama de clips ecocardiográficos de rutina en información clínica útil sin exigir ángulos de cámara perfectos ni operadores expertos. Al evaluar con precisión la función de bombeo del corazón y extraer pistas más amplias sobre las características del paciente a partir de exploraciones estándar y de mano, el enfoque podría favorecer una clasificación más rápida en consultas, servicios de urgencias e incluso en la atención prehospitalaria. Aunque el trabajo aún necesita probarse en grupos más diversos racial y étnicamente y en entornos del mundo real menos controlados, apunta hacia un futuro en el que más cuidadores, armados con sencillos escáneres de mano, puedan obtener en la cabecera insights fiables sobre la salud cardíaca.

Cita: Anisuzzaman, D.M., Malins, J.G., Jackson, J.I. et al. A view-flexible deep learning framework for automated analysis of 2D echocardiography. npj Cardiovasc Health 3, 17 (2026). https://doi.org/10.1038/s44325-025-00100-7

Palabras clave: ecocardiografía, inteligencia artificial, ultrasonido de mano, fracción de eyección, imagen cardiovascular