Ética & sociedad Queen of Hearts detecta infartos, pero la brecha clínica sigue abierta
La UE y la FDA impulsan la IA en cardiología, pero los expertos advierten de una brecha entre los estudios y el beneficio real para pacientes. Qué deberían hacer las instituciones de América Latina para no repetir el error.
Los organismos regulatorios avanzan rápido. La FDA autorizó en 2025 el modelo 'Queen of Hearts', un algoritmo que detecta infartos con obstrucción total de una arteria en electrocardiogramas, con la designación de dispositivo innovador (breakthrough). La Unión Europea, por su parte, presentó hace meses su plan Safe Hearts, que coloca a la inteligencia artificial como pieza central en la prevención, detección temprana y tratamiento de las enfermedades cardiovasculares, la principal causa de muerte en el mundo.
La brecha entre el laboratorio y la consulta
La investigadora Hannah van Kolfschooten, autora de un artículo en el Lancet Regional Health – Europe, sostiene que esa velocidad es prematura. La IA funciona muy bien en entornos controlados, pero eso no garantiza que mejore la salud real de los pacientes. Los sistemas de salud son complejos: hay barreras prácticas, organizativas y legales que impiden que una buena predicción algorítmica se traduzca en un tratamiento oportuno o en una vida más larga.
Su crítica apunta a lo que llama una 'brecha de beneficio': un modelo puede identificar con precisión a quienes tienen alto riesgo de sufrir un infarto, pero si el sistema no garantiza que esa persona reciba seguimiento médico, medicación o un cambio de hábitos, la precisión algorítmica queda en el papel. La evidencia de mejora en desenlaces clínicos reales (menos muertes, menos hospitalizaciones) que sí esperarían los cardiólogos y los sistemas de salud.
La otra cara: la integración clínica ya está ocurriendo
Desde la práctica, la Sociedad Española de Cardiología presentó en su congreso SEC-25 una sesión dedicada a la IA en cardiología clínica como 'una realidad', con experiencias concretas en ecocardiografía y electrocardiografía. Allí se discutieron herramientas útiles para el cardiólogo, la implementación en la práctica diaria y los retos de liderazgo clínico, gobernanza del dato y trabajo multidisciplinar para que esas herramientas no queden en proyectos piloto.
El ejemplo español es revelador: la IA ya se usa para reducir tiempos de lectura de pruebas diagnósticas, detectar arritmias y ayudar en la interpretación de imágenes cardiacas. Pero los propios cardiólogos ponen el foco en los obstáculos para escalar. Los datos no siempre están estandarizados, los flujos de trabajo necesitan adaptación y hay que demostrar que la herramienta no introduce sesgos o errores que un especialista detectaría.
Qué significa esto para América Latina
Para las instituciones de salud y las empresas de tecnología en la región, la lección tiene matices. Aquí la IA en cardiología no está regulada por entidades como la FDA ni la EMA; en la mayoría de países, las aplicaciones clínicas basadas en algoritmos entran por la vía de productos de software para diagnóstico, con una regulación sanitaria que corre mucho más lenta que el desarrollo tecnológico.
Es mayor la tentación de saltarse la evidencia que en Europa: menos exigencias de validación, mayor presión por modernizar y sistemas de salud con recursos limitados que ven en la IA una promesa de eficiencia. Pero el riesgo de implementar modelos entrenados con poblaciones de otros continentes sin validación local es más alto. Las diferencias en demografía, prevalencia de enfermedades, infraestructura tecnológica y acceso a atención pueden reducir drásticamente el rendimiento de un algoritmo certificado en otro país.
Para los tomadores de decisión de la región, la recomendación práctica es adoptar un enfoque incremental: priorizar usos con evidencia más madura (ECG y ecocardiografía, donde las herramientas ya están en uso clínico en España y otros países), exigir estudios de validación con datos locales antes de autorizar su uso generalizado, y crear comités clínicos que supervisen la implementación, como recomiendan los cardiólogos españoles. La gobernanza del dato no es un problema lejano: es el primer obstáculo concreto antes de cualquier despliegue.
Las promesas de la IA en cardiología son reales, pero la historia reciente de la tecnología médica muestra que el entusiasmo regulatorio sin evidencia clínica sólida termina generando costos, retrasos en la adopción y desconfianza. La decisión de los líderes latinoamericanos en salud pública y privada no debería ser si adoptar IA, sino cómo garantizar que cada implementación responda a una pregunta clínica concreta, con datos que la respalden en su propio contexto.
¿Puede la región saltar la fase de experimentación y construir sistemas de validación que le permitan adoptar la IA con base en evidencia local?
