Federación Mexicana de Patología Clínica, A.C.

I N T R O D U C C I Ó N

Las enfermedades cardíacas son una causa principal de mortalidad; la inteligencia artificial permite predecir el riesgo individual mediante variables clínicas y de laboratorio.

O B J E T I V O

Desarrollar y validar un modelo de predicción de enfermedad cardíaca basado en inteligencia artificial (IA) utilizando variables clínicas y de laboratorio a fin de estimar el riesgo individual de presentar cardiopatía.

M A T E R I A L E S  Y  M É T O D O

Estudio observacional analítico de desarrollo y validación de modelo de predicción (Stroke-AI). Se desarrolló un modelo predictivo para la detección de enfermedades cardíacas mediante aprendizaje automático utilizando un conjunto de datos de 62 pacientes con variables clínicas relevantes: edad, género, frecuencia cardíaca, presión arterial, glucosa, creatina quinasa-MB y troponina. Se entrenamiento (60%), validación interna (20%), prueba (20%) estratificadas por outcome. Posteriormente, se aplicó Random Forest con optimización de hiperparámetros mediante Grid Search.

R E S U L T A D O S

Se analizaron 620 pacientes con una edad media de 56 años, predominio masculino (60%). La frecuencia cardiaca promedio fue de 78 lpm, con presiones arteriales medias de 127/72 mmHg. La glucosa presentó una media de 146 mg/dl, mientras que los marcadores cardíacos mostraron valores elevados en algunos casos, con mediana de CK-MB: 2,85 U/L y troponina: 0,014 ng/ml. La predicción clínica de enfermedad cardíaca con Random Forest obtuvo un rendimiento diagnostico (curva ROC 98%, sensibilidad 98%, especificidad 96%, VPP 97.5%, VPN 97.9), con capacidad de identificar tanto a pacientes con enfermedad cardíaca como a los sanos, con muy baja tasa de error. Discusión: La elevada sensibilidad y especificidad obtenidas posicionan al modelo Stroke-AI como un posible instrumento de apoyo clínico en la detección temprana de cardiopatías, lo que podría traducirse en reducción de complicaciones, optimización de recursos y toma de decisiones más precisa. Aunque nuestros resultados son prometedores, la implementación práctica requerirá estudios prospectivos y evaluación en entornos reales de atención médica.

C O N C L U S I Ó N

El algoritmo Stroke-AI mostró un excelente desempeño en la predicción de enfermedad cardíaca, con alta sensibilidad y especificidad. La inteligencia artificial puede ser una herramienta complementaria al diagnóstico clínico, facilitando la detección temprana.