Inteligencia artificial multimodal en cardiología: síntesis crítica del rendimiento diagnóstico y la aplicabilidad clínica

Resumen

El artículo analiza críticamente el desempeño diagnóstico de sistemas de inteligencia artificial en el análisis de imágenes cardiovasculares y señales biomédicas, considerando tanto las condiciones de validación como las limitaciones metodológicas que dificultan su aplicación clínica. Los resultados muestran que los estudios basados en imágenes alcanzan altos niveles de precisión en segmentación ecocardiográfica, aunque presentan limitaciones ante baja calidad de imagen, tamaños muestrales reducidos y escasa validación externa. Por su parte, los estudios basados en señales reportan valores superiores en diversas aplicaciones, pero con especificidades variables y caídas de rendimiento en cohortes externas. En conjunto, la evidencia sugiere un potencial diagnóstico relevante, aunque condicionado por heterogeneidad muestral, sobreajuste, sesgos de selección, uso de métricas incompletas y debilidades regulatorias, lo que plantea la necesidad de validaciones prospectivas, externas y una vigilancia continua antes de su implementación clínica.