La IA multimodal revolucionará el diagnóstico y tratamiento de las enfermedades cardiovasculares

Las enfermedades cardiovasculares siguen siendo la principal causa de muerte en todo el mundo y, aunque la inteligencia artificial (IA) ha demostrado un gran potencial en su diagnóstico y manejo, la mayoría de los sistemas actuales se basan en un único tipo de dato, como los electrocardiogramas (ECG) o las imágenes cardíacas. Esto limita la precisión diagnóstica e impide que los algoritmos reflejen el proceso de razonamiento integral que los médicos aplican en la práctica clínica. Ahora, un nuevo enfoque de IA multimodal busca superar esta limitación integrando diversas fuentes de datos clínicos para ofrecer información cardiovascular más precisa y personalizada.

El estudio, dirigido por el Hospital de China Occidental de la Universidad de Sichuan (Sichuan, China) y la Universidad de Copenhague (Copenhague, Dinamarca), revisó más de 150 estudios que demuestran el potencial de la IA multimodal en la medicina cardiovascular. Este enfoque de última generación fusiona modalidades de datos complementarias, como la ecocardiografía, la tomografía computarizada, la resonancia magnética y la genómica, para mejorar la precisión diagnóstica. Por ejemplo, una red neuronal basada en transformadores que combina radiografías de tórax con variables clínicas identificó simultáneamente 25 patologías críticas en pacientes de cuidados intensivos, logrando una precisión diagnóstica promedio (AUC) de 0,77.

La revisión, publicada en Precision Clinical Medicine, demostró que la IA multimodal también puede revelar nuevos conocimientos biológicos. Al integrar la resonancia magnética cardíaca con datos de asociación del genoma completo, los investigadores identificaron nuevos loci genéticos vinculados a la función de la válvula aórtica. Además del diagnóstico, estos modelos refinaron las decisiones terapéuticas, prediciendo qué pacientes con insuficiencia cardíaca responderían a la terapia de resincronización cardíaca e identificando a aquellos con pocas probabilidades de beneficiarse de la reparación de la válvula mitral, mejorando así la selección de pacientes y la eficiencia del tratamiento.

Los algoritmos multimodales emergentes también permiten la monitorización continua de la salud mediante la combinación de datos de dispositivos portátiles, aplicaciones móviles e historiales clínicos electrónicos. Estas herramientas pueden detectar signos tempranos de deterioro, ofrecer asesoramiento sanitario automatizado y reducir las tasas de reingreso. Los autores estiman que la adopción de la IA multimodal en la práctica clínica podría reducir los costes de la atención médica cardiovascular entre un 5 % y un 10 % en cinco años gracias a una mayor eficiencia y una reducción de las complicaciones.