Salud
La ecocardiografía guiada por IA muestra una alta tasa de obtención en estudios controlados

Puntos claveLos entornos controlados arrojaron un 98,0% de ecocardiografía de calidad diagnóstica…
Ver más
- Los entornos controlados arrojaron un 98,0% de ecocardiografía de calidad diagnóstica, mientras que los estudios comunitarios descentralizados agrupados alcanzaron el 63,7%.
- La comparación de entornos fue post hoc y estuvo confundida por la supervisión, la formación y la selección de pacientes, por lo que la causalidad sigue sin demostrarse.
- La adquisición de calidad diagnóstica no equivale a un diagnóstico preciso y ningún estudio vinculó la guía de la IA con los resultados en los pacientes.
Una revisión sistemática y metanálisis de Bijay Bastola y sus colegas, publicada el 16 de noviembre de 2026 en BMC Cardiovascular Disorders, estimó que la tasa combinada de obtención de ecocardiografías de calidad diagnóstica fue del 96,3 % entre operadores novatos y no expertos que utilizaron guía de IA en tiempo real en ocho estudios. Esta medida refleja si la adquisición cumplió el umbral de suficiencia predefinido en cada estudio.
Los resultados variaron considerablemente según el contexto de implementación. Seis estudios realizados en condiciones controladas o estructuradas arrojaron una tasa combinada de obtención del 98,0 %, con un intervalo de confianza del 95 % del 96,7 % al 99,2 %. Dos estudios comunitarios descentralizados y realizados en condiciones reales arrojaron una tasa combinada del 63,7 %, con un intervalo de confianza del 95 % del 20,6 % al 92,6 %; sus tasas individuales fueron del 44,8 % y el 79,8 %. Un metanálisis de regresión determinó que la diferencia entre subgrupos era estadísticamente significativa (p < 0.001).
Los autores consideraron que esa comparación era posterior al análisis y exploratoria, y que no se había prerregistrado. El contexto de implementación estaba entrelazado con la supervisión, la capacitación, los perfiles de los operadores, la selección de pacientes y las definiciones de los resultados, por lo que el análisis no demuestra que el contexto fuera la causa. Con solo dos estudios comunitarios, la estimación más baja es descriptiva y no representa una tasa de éxito predecible para futuros programas.
Qué evaluó la revisión
El análisis abarcó 2.365 observaciones a nivel de examen, exploración o imagen, obtenidas por 74 operadores sin capacitación formal ni certificación previas en ecocardiografía. Los estudios incluidos se realizaron con pacientes reales y emplearon guía de IA durante la propia adquisición, no interpretación automatizada de imágenes captadas previamente. La evidencia incluyó cinco sistemas de IA y distintos tipos de operadores, desde personal de enfermería y de investigación no clínico hasta estudiantes de medicina, médicos generales y trabajadores de salud comunitaria.
Dos revisores realizaron búsquedas independientes en PubMed/MEDLINE, Google Scholar, Embase, Scopus y ClinicalTrials.gov; la última actualización fue el 27 de septiembre de 2026. Un segundo modelo estadístico estimó una tasa general de obtención del 93,0 %; los análisis de sensibilidad con distintos conjuntos de estudios, definiciones de resultados y métodos estadísticos arrojaron cifras de entre el 91,2 % y el 97,8 %. El intervalo de confianza del 95 % de la estimación principal fue del 85,5 % al 99,3 %, y las diferencias sustanciales entre los estudios llevaron a los autores a advertir que la estimación general no debe considerarse una tasa universal para nuevas implementaciones.
Adecuación de las imágenes y resultados clínicos
En cinco estudios, expertos independientes evaluaron la adecuación de las imágenes. En los otros tres, la adecuación se definió como la capacidad del software de IA para generar correctamente un resultado automatizado de la fracción de eyección del ventrículo izquierdo, una medida de la función cardíaca; por tanto, el propio sistema evaluado también determinaba el resultado. No todas las observaciones correspondían a pacientes distintos: seis estudios informaron el número de exámenes, uno contabilizó 60 intentos de exploración en 10 pacientes y otro, 954 imágenes de 159 pacientes.
Como casi todos los estudios incluidos tenían un solo grupo, los resultados muestran lo que lograron los principiantes con la guía de IA, no cuánto aportó esta en comparación con una adquisición sin asistencia. Además, obtener imágenes de calidad diagnóstica no equivale a realizar un diagnóstico preciso, y ninguno de los estudios informó sobre los efectos en el manejo clínico o los resultados de los pacientes.
Los revisores señalaron que la capacitación de los operadores, la supervisión, los controles de calidad de las imágenes y el aseguramiento de la calidad son prioritarios para ampliar la implementación. También pidieron estudios comparativos con pacientes reales que vinculen la adecuación de las imágenes con la precisión diagnóstica y los resultados clínicos. Para los programas de cribado, la implicación práctica es que personas no expertas capacitadas pueden adquirir imágenes de manera factible siguiendo protocolos estructurados; sin embargo, para ampliar la implementación se necesitan más pruebas de que la adquisición fiable puede reproducirse en entornos comunitarios y de que las imágenes obtenidas permiten realizar diagnósticos precisos y mejorar los resultados de los pacientes.












