Un grupo de investigadores desarrolló un modelo de inteligencia artificial capaz de predecir el riesgo de accidente cerebrovascular (ACV) a largo plazo utilizando únicamente un electrocardiograma (ECG) de rutina. El sistema, denominado ECG2Stroke, fue entrenado y validado con datos de más de 200 mil pacientes, lo que permitió identificar patrones eléctricos cardíacos asociados con futuros eventos cerebrovasculares, incluso en personas sin antecedentes aparentes de enfermedad cardiovascular.
Uno de los hallazgos más relevantes es que el algoritmo mostró especial precisión para anticipar el riesgo de ACV cardioembólico, una variante relacionada con la formación de coágulos en el corazón, frecuentemente asociada con fibrilación auricular subclínica. Los investigadores consideran que esta herramienta podría facilitar una detección más temprana de pacientes de alto riesgo antes de que aparezcan síntomas o complicaciones clínicas.
El avance refuerza el creciente papel de la inteligencia artificial en cardiología y neurología preventiva, especialmente porque el ECG es una prueba ampliamente disponible, de bajo costo y utilizada de manera rutinaria en distintos niveles de atención. Integrar modelos predictivos basados en IA podría transformar el ECG convencional en una herramienta de estratificación de riesgo más sofisticada y útil para la práctica clínica diaria.
Aunque los resultados son prometedores, los autores señalan que aún serán necesarios estudios prospectivos y validaciones multicéntricas antes de incorporar esta tecnología de forma generalizada. Sin embargo, especialistas consideran que este tipo de modelos podría abrir una nueva etapa en la medicina preventiva personalizada, ayudando a identificar pacientes candidatos a vigilancia estrecha o intervenciones tempranas para reducir la incidencia de ACV.
Referencias:
1. Roger O. AI model forecasts long-term stroke risk from routine ECG test. Mayo 2026. https://firstwordhealthtech.com/story/7432664
2. Mahajan R, et al ECG Signatures and Long-Term Ischemic Stroke Risk: A Deep Learning Analysis of 200,000 Patients. J Am Coll Cardiol. 2026 May 5:S0735-1097(26)05992-9.
