Tecnología médica · global
La IA guía a principiantes para obtener ecografías cardíacas interpretables, pero persisten diferencias de calidad en el ámbito comunitario
Ocho estudios muestran que la orientación de la IA en tiempo real puede ayudar a operadores no especializados a obtener imágenes de calidad aceptable; sin embargo, los resultados difieren considerablemente fuera de entornos con formación y supervisión más completas. Poder obtener imágenes aún no garantiza diagnósticos fiables ni beneficios para los pacientes: ambos aspectos siguen pendientes de validación.
Para obtener imágenes claras en una ecografía cardíaca, el primer obstáculo suele estar en la mano que sostiene la sonda. Aunque el equipo llegue hasta el paciente, el operador debe encontrar la posición y el ángulo adecuados. Un metaanálisis publicado el 16 de noviembre en *BMC Cardiovascular Disorders* indica que la orientación de la IA en tiempo real podría ayudar a personas sin formación formal en ecografía cardíaca a obtener imágenes interpretables, pero extender esos resultados a los servicios comunitarios habituales depende de otras medidas de apoyo.
La investigación integró ocho estudios con pacientes reales, que abarcaron a 74 operadores principiantes o no especializados, cinco sistemas de IA y 2.365 observaciones. Estas herramientas proporcionan información sobre la posición de la sonda y la calidad de las imágenes durante la exploración para ayudar al operador a obtenerlas. El análisis principal estimó que la proporción que cumplía los umbrales de calidad predefinidos por cada estudio era del 96,3%, con un intervalo de confianza del 95% de entre el 85,5% y el 99,3%; las diferencias entre estudios fueron muy grandes, por lo que esta cifra no puede tomarse directamente como la tasa de éxito esperada de cualquier servicio nuevo.
Al distinguir las modalidades de implementación, la diferencia resulta aún más marcada. En seis estudios realizados en condiciones controladas o con procedimientos de ejecución claramente definidos, la tasa combinada de imágenes de calidad aceptable fue del 98,0%; en dos estudios comunitarios descentralizados, fue del 63,7%, con un amplio intervalo de confianza del 95% de entre el 20,6% y el 92,6%. Las informaciones de Bioengineer.org y Unite.AI sobre este mismo tema también destacaron esta diferencia: que la tecnología sea viable en un entorno de investigación cuidadosamente organizado no significa que pueda mantener automáticamente la misma calidad al ampliar el servicio.
Sin embargo, esta comparación fue un análisis exploratorio realizado después de completar el análisis principal. Los estudios comunitarios diferían de los demás en supervisión, formación, perfil de los operadores y selección de pacientes, por lo que no es posible atribuir los resultados únicamente al entorno. En particular, dado que los datos comunitarios proceden de solo dos estudios, conviene considerar el 63,7% como una descripción de la evidencia disponible, y no como un límite máximo fijo para las aplicaciones comunitarias.
La definición de «calidad aceptable» tampoco fue uniforme. En cinco estudios, expertos independientes evaluaron las imágenes; los otros tres utilizaron como criterio que el software lograra generar un valor de la fracción de eyección del ventrículo izquierdo. Esta fracción es un indicador de la capacidad del corazón para bombear sangre, pero la mera obtención de un valor no permite concluir que todas las cuestiones clínicas puedan interpretarse de forma fiable. Además, las 2.365 observaciones no procedían todas de pacientes distintos: un estudio contabilizó exploraciones repetidas y otro, imágenes individuales. Esta distinción debe mantenerse al interpretar el volumen de datos.
Este análisis respalda la viabilidad de que los principiantes obtengan imágenes con ayuda de la IA. Dado que casi todos los estudios incluidos tenían un diseño de un solo grupo, todavía no permite responder con claridad cuánto mejoran los operadores en comparación con la ausencia de ayuda de la IA. Que las imágenes alcancen los umbrales establecidos en los estudios tampoco equivale a precisión diagnóstica; los datos disponibles tampoco han demostrado que esta orientación mejore las decisiones terapéuticas posteriores o los resultados de salud de los pacientes.
Para ampliar el acceso a las pruebas cardíacas a más lugares, el siguiente paso no puede limitarse a comprobar si el software es capaz de guiar la sonda: también hay que determinar cómo funcionan conjuntamente la formación, el apoyo de expertos y los controles de calidad de las imágenes. Los investigadores señalaron estos elementos como prioridades para ampliar la implementación y pidieron estudios comparativos que vinculen la calidad de la obtención de imágenes, la precisión diagnóstica y el beneficio clínico. La IA ya ha mostrado su potencial para ayudar a más personas a obtener imágenes utilizables; convertir ese potencial en una capacidad asistencial constante sigue requiriendo evidencia más cercana a la prestación cotidiana de servicios.