Herramienta de IA sin contacto detecta hipertensión y diabetes a partir de video facial

La hipertensión y la diabetes están muy extendidas, pero a menudo no se diagnostican, lo que impulsa una morbilidad y mortalidad cardiovasculares prevenibles. El cribado suele depender de las visitas a la clínica o de dispositivos portátiles, lo que puede limitar su alcance y retrasar la detección. Los sistemas de salud necesitan herramientas rápidas y escalables que se integren en las vías rutinarias de atención al paciente sin contacto ni equipo especializado. Para satisfacer esta necesidad, investigadores de Japón han desarrollado un método de IA que analiza breves videos faciales para identificar ambas afecciones y estimar la presión arterial.

El algoritmo de aprendizaje automático fue desarrollado por la Universidad de Tokio y el Instituto de Ciencia de Tokio y se presentará en el ESC Congress 2026. Procesa video facial espectroscópico para detectar firmas hemodinámicas y microvasculares vinculadas a la hipertensión y la diabetes. Está diseñado para un cribado sin contacto que puede completarse en segundos.

En un estudio prospectivo, de un solo centro, los investigadores inscribieron a 215 participantes, incluidos pacientes diagnosticados y voluntarios sanos. Cada sujeto se sometió a una breve grabación de alta velocidad del rostro y las palmas de las manos mediante una cámara espectroscópica. El algoritmo extrajo características de la dinámica de la onda de pulso, los patrones de flujo sanguíneo cutáneo y las características espectrales de la coloración de la piel, y los participantes recibieron evaluaciones convencionales para identificar la hipertensión y la diabetes.

Para la detección de la hipertensión, el modelo logró una precisión del 95% a partir de una grabación de 30 segundos que analizó video facial y de las palmas de las manos. La sensibilidad para la presión arterial normal fue del 100,0%, mientras que la sensibilidad para la hipertensión fue del 89,2%. La precisión se mantuvo alta, en un 90,3%, utilizando solo un video de 5 segundos. Para la detección de la diabetes basada en patrones de flujo sanguíneo facial, la precisión alcanzó el 88,2% con una grabación de 30 segundos y el 81,2% con una grabación de 5 segundos.

El sistema también estimó la presión arterial sistólica a partir del video facial únicamente, con un error porcentual absoluto medio del 8,6%. Su error medio fue de −2,6 mmHg, dentro del límite de la Asociación para el Avance de la Instrumentación Médica (AAMI) de ±5,0 mmHg, aunque el error de la desviación estándar fue de ±12,0 mmHg, superando el criterio de la AAMI de ±8,0 mmHg. Los trabajos futuros buscarán reducir la variabilidad mediante conjuntos de datos más grandes y multicéntricos, y la optimización de las características.

“Nuestro algoritmo de aprendizaje automático detectó con precisión la hipertensión y la diabetes a partir de grabaciones de video facial espectroscópico de tan solo 5 segundos. Tenemos la intención de validar estos hallazgos en cohortes más grandes y en poblaciones más diversas para respaldar su aplicación en el mundo real. Si se valida, este enfoque sin contacto podría permitir que las personas fueran cribadas en entornos cotidianos—sin manguitos, sin toma de muestras de sangre ni una visita a una clínica especializada—, ayudando a identificar a personas en riesgo que, de otro modo, permanecerían sin diagnóstico y, por tanto, sin tratamiento”, dijo Ryoko Uchida, presentadora.

“Es notable que las tecnologías respaldadas por IA estén permitiendo el desarrollo de herramientas tan potentes para la prevención temprana de enfermedades. Debido a que este enfoque es rápido, fácil y sin contacto, podría utilizarse en muchos entornos más allá de los hospitales, lo que le da el potencial de llegar a muchas más personas que los métodos tradicionales de cribado. Detectar estas afecciones de forma temprana significa que el tratamiento y los cambios en el estilo de vida pueden comenzar antes, ayudando a prevenir infartos, accidentes cerebrovasculares y otras enfermedades cardiovasculares”, dijo el profesor asociado Nico Bruining, copresidente del programa de la ESC Digital and AI Summit y editor jefe de European Heart Journal—Digital Health.

Enlaces relacionados
Instituto de Ciencia de Tokio 
Universidad de Tokio
Sociedad Europea de Cardiología