Un grupo de científicos de Israel presentó en el congreso anual de la Sociedad Europea de Cardiología (ESC) en Múnich que una herramienta de inteligencia artificial (IA) es capaz de extraer indicadores cardíacos de mamografías habituales, logrando una detección de accidentes cerebrovasculares con 86 % de precisión.

Datos del estudio

El proyecto analizó 97.364 mamografías correspondientes a 29.921 pacientes, con una edad promedio de 54 años. Al cruzar las imágenes con los historiales médicos, se constató que el 16 % de las mujeres presentaba hipertensión, el 2,5 % enfermedad coronaria y otro 2,5 % había sufrido un accidente cerebrovascular (ACV).

"Cuando las mujeres acuden al médico, la enfermedad cardiovascular ya está avanzada", señaló la doctora Viana Copeland, de la Universidad de Tel Aviv.

Rendimiento del algoritmo

El modelo de aprendizaje automático entrenado con esos datos identificó patrones vinculados a cada condición. Además del 86 % para ACV, alcanzó 79 % de precisión en hipertensión y 78 % en enfermedad coronaria, manteniéndose estable sin importar la edad ni la presencia de cáncer.

Ventajas de reutilizar mamografías

Copeland destacó que las mamografías forman parte de los programas preventivos de cientos de millones de mujeres, lo que permite obtener información cardiovascular sin exámenes adicionales. "Aprovechar esas imágenes podría ofrecer un enfoque escalable y económico", afirmó.

Opiniones de la comunidad médica

El comité de comunicación de la ESC, representado por Elena Arbelo, calificó los hallazgos como "convincentes" y subrayó su potencial para ampliar la función de la mamografía.

"Una mamografía podría, en el futuro, brindar una ventana a la salud cardiovascular, algo que actualmente se reconoce muy tarde", indicó Arbelo.

Por su parte, la cardióloga Sonya Babu‑Narayan, directora clínica de la Fundación Británica del Corazón, recordó que la enfermedad cardíaca es la principal causa de muerte tanto en hombres como en mujeres, y que persiste el mito de que afecta solo a los varones.

Próximos pasos

Los expertos coinciden en que, para pasar de la fase experimental a la clínica, será necesario validar la exactitud del algoritmo en poblaciones más amplias y establecer protocolos de implementación.