Ciudad de México, septiembre de 2026. Investigadores de Mayo Clinic han desarrollado y validado externamente un modelo de inteligencia artificial (IA) capaz de identificar una obstrucción cardíaca potencialmente significativa a partir de videos ecográficos de rutina sin depender de imágenes especializadas con Doppler. La tecnología podría ayudar a los médicos a identificar a pacientes con miocardiopatía hipertrófica (MCH) que podrían necesitar pruebas adicionales, especialmente en entornos donde la experiencia especializada en ecocardiografía es limitada. Los resultados del estudio se publicaron en Circulation: Cardiovascular Imaging.La MCH es una enfermedad genética que hace que el músculo cardíaco se vuelva anormalmente grueso. Aproximadamente dos tercios de estos pacientes desarrollan una obstrucción del tracto de salida del ventrículo izquierdo (TSVI), que restringe la salida de sangre del corazón y provoca síntomas como dolor torácico y dificultad para respirar con el esfuerzo o al estar acostado. Saber qué pacientes desarrollan una obstrucción de la TSVI es importante porque influye en las decisiones de tratamiento y en el manejo a largo plazo de los pacientes con MCH.”»Para medir la obstrucción de la TSVI normalmente se necesita una ecocardiografía Doppler, que depende de una alineación precisa del haz de ultrasonidos y de la experiencia del operador», afirma Imon Banerjee, Ph.D., investigadora de IA de Mayo Clinic en Phoenix y autora principal del estudio. «Queríamos determinar si la IA podía reconocer patrones sutiles que son imperceptibles para el ojo humano en vídeos ecográficos en modo B obtenidos de forma rutinaria y también identificar antes a los pacientes con obstrucción de la TSVI, lo que permitiría realizar oportunamente una evaluación confirmatoria con Doppler y derivar al paciente cuando fuera apropiado.»El estudio incluyó a 1.833 pacientes de la cohorte de Mayo Clinic. El modelo se probó en 275 pacientes y se validó externamente en 46 pacientes de un hospital de Corea del Sur. El modelo de IA utilizó únicamente videos ecográficos en reposo y sin Doppler para predecir si un paciente presentaba una obstrucción potencialmente significativa de la salida de sangre del corazón. Los investigadores observaron que combinar la información de tres vistas ecográficas estándar mejoraba la capacidad del modelo para diferenciar a los pacientes con gradientes elevados en la TSVI. El modelo también ayudó a identificar una obstrucción que podría aparecer únicamente cuando el corazón está sometido a estrés.El modelo mantuvo un sólido rendimiento en el grupo de Corea del Sur pese a las diferencias sustanciales entre esa población y los pacientes utilizados para desarrollar el modelo, lo que respalda el estudio adicional de la tecnología en diferentes poblaciones de pacientes y entornos clínicos.En un subconjunto de casos, el modelo de IA identificó la obstrucción con mayor precisión que dos ecocardiografistas expertos que revisaron las mismas imágenes sin Doppler. Los resultados ponen de manifiesto la dificultad que puede suponer reconocer una obstrucción de la TSVI a partir de imágenes bidimensionales de rutina sin mediciones con Doppler.»Esta tecnología está concebida para complementar, no sustituir, la ecocardiografía Doppler», afirma la Dra. Banerjee. «Al permitir una identificación más temprana de los pacientes con una posible obstrucción de la TSVI, podría acelerar la detección oportuna y facilitar la realización de mediciones confirmatorias con Doppler, pruebas de esfuerzo o la derivación a un centro especializado en MCH. También podría facilitar la evaluación mediante ecografía portátil o en entornos donde no se disponga fácilmente de una evaluación integral con Doppler, ayudando a ampliar el acceso a la detección y evaluación del riesgo de forma más temprana.»La Dra. Banerjee señala que los próximos pasos incluyen una validación prospectiva adicional en entornos clínicos más amplios, plataformas de ecografía y poblaciones de pacientes.La lista de autores y las declaraciones de posibles conflictos de interés se encuentran en el artículo Beyond Doppler: Scalable AI Detection of LVOT Obstruction in HCM (Más allá del Doppler: detección escalable por IA de la obstrucción del TSVI en la MCH). Este estudio no recibió financiación externa.