Las enfermedades cardiovasculares son una de las principales causas de muerte a nivel mundial y el uso de imágenes cardíacas para una evaluación precisa de la estructura y la función cardíaca es crucial para el diagnóstico, la planificación del tratamiento y el pronóstico. La inteligencia artificial (IA) ha llegado rápidamente al campo de las imágenes cardíacas. Su creciente influencia, sin embargo, no está exenta de complejidades. Todavía no hay pruebas sustanciales de que estos avances puedan reducir significativamente los costos de atención médica. Además, más allá de la automatización, no hay suficiente evidencia de ensayos clínicos prospectivos, doble ciego y aleatorizados que ilustren que estas tecnologías son superiores a la interpretación humana o afectan sustancialmente los resultados de los pacientes.

Sin embargo, hay una carrera competitiva dentro del sector académico e industrial para crear soluciones tecnológicas para enfermedades cardiovasculares utilizando AI. En este artículo los autores tomaron una perspectiva más pragmática. Aunque la IA podría apoyar a los médicos en tareas específicas, no puede reemplazar el juicio clínico adquirido a través de años de experiencia.

Beneficios de la IA en la Imagenología Cardíaca:

1. Automatización y Eficiencia: La IA, especialmente a través del aprendizaje profundo, ha mejorado la automatización de mediciones y la eficiencia del flujo de trabajo en la imagenología cardíaca. ​
2. Capacidades Predictivas: Los algoritmos de IA pueden predecir resultados clínicos y mejorar la estratificación del riesgo.
3. Mejora en la Adquisición de Imágenes: La IA ha demostrado ser útil en la adquisición de imágenes de calidad diagnóstica, incluso por usuarios novatos.
4. Reducción de Variabilidad: La IA puede reducir la variabilidad interobservador y los errores interpretativos en la evaluación de imágenes cardíacas.

Desafíos y Limitaciones:

1. Escasez de Datos de Alta Calidad: La falta de datos etiquetados de alta calidad y la dificultad para compartir datos entre instituciones limitan el entrenamiento óptimo de los modelos de IA. ​
2. Problemas de Privacidad y Ética: Las preocupaciones sobre la privacidad de los datos y las cuestiones éticas son barreras significativas. ​
3. Falta de Pruebas Clínicas: Aún no hay suficientes ensayos clínicos prospectivos y aleatorizados que demuestren la superioridad de la IA sobre la interpretación humana en términos de resultados para los pacientes.
4. Desafíos de Integración: La integración de la IA en los sistemas de archivo y comunicación de imágenes y dispositivos clínicos es compleja. ​
5. Desajuste con las Normas Profesionales: La falta de estándares profesionales y guías claras para la implementación de la IA en la práctica clínica. ​

Recomendaciones:

1. Enfoque en la Inteligencia Aumentada: La IA debe ser vista como una herramienta para complementar, no reemplazar, el juicio clínico humano.
2. Desarrollo de Algoritmos Innovadores: Se deben desarrollar algoritmos que integren datos complejos y no lineales para identificar fenotipos de enfermedades con mayor precisión.
3. Colaboración Multidisciplinaria: Es crucial fomentar la colaboración entre científicos de datos y cardiólogos para cerrar la brecha de conocimiento. ​
4. Estándares y Guías Profesionales: La creación de estándares y guías profesionales es esencial para asegurar la integración segura y efectiva de la IA en la imagenología cardíaca. ​