IA en cardiología: ya reduce errores en ensayos con médicos, pero también alucina — dónde está hoy la frontera clínica

1. Una historia personal puede abrir una pregunta, pero no responderla

La experiencia relatada por Conchita Díaz es interesante porque muestra el tipo de promesa que hace intuitiva la IA médica: detectar patrones que una persona puede pasar por alto y juntar señales dispersas antes de que el cuadro sea evidente. Pero una experiencia individual no permite calcular sensibilidad, falsos positivos, beneficio clínico ni seguridad.

Por eso la pregunta correcta es qué ocurre cuando la herramienta se prueba con cientos o miles de pacientes, contra atención habitual y con resultados definidos de antemano. En cardiología ya existe ese tipo de evidencia.

2. El precedente del ECG: 22.641 pacientes y más diagnósticos de función cardiaca reducida

Un ensayo pragmático publicado en Nature Medicine evaluó un algoritmo que detectaba baja fracción de eyección a partir de un electrocardiograma. Participaron 22.641 adultos atendidos por 120 equipos de atención primaria. Los equipos se asignaron a recibir o no la alerta de IA.

A los 90 días, se había diagnosticado baja fracción de eyección en el 2,1% del grupo con IA frente al 1,6% del grupo control. Entre el 6% de pacientes que el algoritmo marcó como de alta probabilidad, el diagnóstico llegó al 19,5% con IA frente al 14,5% sin ella. Es una diferencia real en detección; no equivale a demostrar por sí sola que la IA reduzca mortalidad.

3. 2026: un LLM entra en casos cardiológicos complejos con datos reales

El salto de 2026 es distinto. Un ensayo aleatorizado publicado en Nature Medicine probó AMIE, un sistema de Google basado en un LLM, como ayuda a cardiólogos generales ante 107 pacientes reales con sospecha de cardiomiopatías genéticas. Los médicos tenían informes y datos de ECG, ecocardiografía, resonancia cardiaca, prueba de esfuerzo y, cuando existía, genética.

Nueve cardiólogos participaron en el estudio. Especialistas que no sabían qué respuesta procedía de cada brazo prefirieron globalmente la evaluación “cardiólogo + AMIE” en el 46,7% de los casos, frente al 32,7% para el cardiólogo sin ayuda; el 20,6% se consideró empate.

4. Menos errores y menos omisiones: el dato que hace que esto sea más que una demo

Los especialistas encontraron errores clínicamente significativos en el 13,1% de las evaluaciones asistidas por AMIE frente al 24,3% de las no asistidas. También detectaron contenido importante omitido en el 17,8% de las respuestas con IA frente al 37,4% sin ella.

Los propios cardiólogos dijeron que AMIE mejoró su evaluación en el 57% de los casos y que les ahorró tiempo en el 50,5%. Estos resultados apuntan a una función concreta: no reemplazar al especialista, sino ayudar al generalista a no olvidar pruebas, diagnósticos diferenciales o pasos de manejo en enfermedades complejas.

5. El 6,5% que impide vender la historia como “la IA ya diagnostica mejor”

El mismo ensayo contiene el límite más importante: los médicos identificaron una alucinación probablemente clínicamente significativa en el 6,5% de los casos. Hubo afirmaciones sobre hallazgos de imagen que no estaban en los informes, supuestos sobre datos demográficos no proporcionados y confusiones entre medidas realizadas en momentos distintos.

Eso explica por qué los autores consideran prematuro desplegar LLM de forma autónoma. Un sistema puede mejorar el promedio y, al mismo tiempo, cometer un error absurdo en un paciente individual. La supervisión humana no es un adorno regulatorio: es parte del mecanismo que convierte una herramienta imperfecta en un flujo potencialmente más seguro.

6. Detectar una señal oculta no es lo mismo que diagnosticar una enfermedad

Los modelos de ECG pueden aprender patrones estadísticos asociados con una función ventricular reducida aunque esos patrones no sean evidentes a simple vista. Los modelos de imagen pueden segmentar estructuras o cuantificar medidas. Los LLM pueden integrar informes y proponer una lista de problemas. Son capacidades diferentes.

Un diagnóstico clínico combina probabilidad previa, síntomas, exploración, evolución temporal y consecuencias de equivocarse. Una alerta de IA puede ser una excelente puerta de entrada para pedir un ecocardiograma; no convierte el ECG en un sustituto universal del ecocardiograma ni al algoritmo en cardiólogo.

7. La FDA ya regula cientos de dispositivos con IA, pero el reto ahora es la IA generativa

La FDA mantiene una lista específica de dispositivos médicos habilitados por IA que han pasado los requisitos de comercialización aplicables. En cardiología ya hay software para imagen, segmentación, monitorización y apoyo diagnóstico. La existencia de autorización significa que se evaluó un producto concreto para un uso concreto; no es una aprobación genérica de “la IA médica”.

En agosto de 2026, la agencia abrió además una consulta específica sobre dispositivos con IA generativa. El cambio importa porque un modelo generativo puede producir respuestas variables, usar contexto nuevo y evolucionar más rápido que un algoritmo cerrado. La evaluación previa al mercado ya no basta: hay que pensar en monitorización durante todo el ciclo de vida.

8. El gran riesgo silencioso: que funcione en un hospital y falle en otro

Un modelo puede aprender características ligadas al fabricante del ECG, la población de entrenamiento, la prevalencia de enfermedad o incluso prácticas locales. Cuando cambia el hospital, la edad media, el origen de los pacientes o el dispositivo, el rendimiento puede degradarse sin que el usuario lo perciba inmediatamente.

Por eso la validación externa y el seguimiento en mundo real son tan importantes como la precisión inicial. La FDA ha pedido expresamente métodos para medir rendimiento, seguridad y fiabilidad después del despliegue. Una IA clínica no termina de validarse el día que recibe autorización.

9. La frontera real: IA autónoma frente a IA como segundo par de ojos

Los mejores resultados actuales encajan con un modelo de cooperación: el algoritmo filtra, cuantifica o propone; el clínico pregunta, contrasta y decide. En el estudio de AMIE, varias alucinaciones se corrigieron cuando el cardiólogo desafió al sistema. Esa interacción es parte del rendimiento, no un fallo metodológico que pueda ignorarse.

El salto a autonomía exigiría demostrar algo más difícil: que el sistema mantiene seguridad cuando nadie detecta sus errores, ante poblaciones nuevas y durante periodos prolongados. La evidencia de 2026 todavía no sostiene esa conclusión.

10. Confirmado, prometedor y no demostrado

CONFIRMADO — Existen ensayos aleatorizados donde herramientas de IA aumentan la detección de determinadas patologías cardiacas y un ensayo de 2026 donde un LLM asistió a cardiólogos y redujo errores y omisiones en casos complejos.

PROMETEDOR — Que estas herramientas puedan ampliar el acceso a experiencia subespecializada, priorizar pacientes y ahorrar tiempo cuando se integran bien en el flujo de trabajo.

NO DEMOSTRADO — Que un chatbot general pueda diagnosticar cardiopatías de forma segura por sí solo; que el beneficio observado en una cohorte se replique igual en cualquier hospital; o que mejores respuestas clínicas se traduzcan automáticamente en menos muertes o ingresos.