Nuevo modelo fundacional de ECG permite diagnóstico cardíaco amplio y predicción de riesgo

Los electrocardiogramas son fundamentales para la toma de decisiones cardiovasculares, pero los modelos convencionales de inteligencia artificial suelen entrenarse para tareas concretas, como detectar una sola arritmia. Esto limita su utilidad en formatos de ECG variados y en distintas preguntas clínicas, incluso cuando la atención cardiovascular depende cada vez más de extraer valor de grandes volúmenes de datos digitales rutinarios de los pacientes. Ahora, nuevos hallazgos presentan un modelo fundacional de ECG diseñado para dar soporte a múltiples tareas médicas mediante datos de señales cardíacas.

Investigadores de la Universidad Médica de Innsbruck desarrollaron el modelo fundacional xECG para el análisis de electrocardiogramas. A diferencia de los modelos de una sola tarea, xECG está diseñado para aprender una representación amplia de las señales de ECG y aplicarla a diferentes preguntas clínicas, incluso en entornos con datos limitados de entrenamiento específicos para la tarea. El modelo combina la arquitectura xLSTM, propuesta recientemente por un equipo de la JKU Linz, con un método de entrenamiento de visión por computadora adaptado por primera vez a datos de series temporales como los ECG.

El modelo fundacional de Innsbruck se entrenó con aproximadamente 8 millones de ECG de unos 1,7 millones de pacientes. El equipo también introdujo BenchECG, un marco de evaluación de acceso libre destinado a definir criterios científicos claros para los modelos fundacionales de ECG. BenchECG evalúa si los modelos pueden manejar diversos tipos de tareas, distintos formatos de registro de ECG que van desde ECG de 12 derivaciones de 10 segundos hasta ECG de larga duración y datos de relojes inteligentes, así como grupos de pacientes variados, desde personas sanas hasta pacientes de alto riesgo.

Utilizando conjuntos de datos de ECG disponibles públicamente que suman aproximadamente 1,7 millones de ECG de alrededor de 400.000 pacientes, los investigadores evaluaron hasta qué punto las representaciones del modelo se transferían entre tareas en condiciones controladas de evaluación comparativa. El equipo descubrió que la mayoría de los modelos fundacionales de ECG evaluados solo cumplían parcialmente estos criterios, con un rendimiento sólido en un área pero debilidades en otros dominios de tareas.

La investigación se publicó en npj Digital Medicine el 14 de septiembre de 2026 y forma parte de un programa más amplio del Departamento de Cardiología de Innsbruck, donde las aplicaciones clínicas iniciales del modelo están en preparación.

Enlaces relacionados
Universidad Médica de Innsbruck