El electrocardiograma perioperatorio es una herramienta fundamental para detectar isquemia miocárdica durante la cirugía, pero su interpretación se ve frecuentemente comprometida por falsas alarmas y contaminación de señales. Una revisión sistemática reciente examina el estado actual de la inteligencia artificial (IA) en la interpretación electrocardiográfica perioperatoria, revelando tanto el potencial como las limitaciones de esta tecnología.
Relevancia para la práctica anestesiológica
Como anestesiólogo, sabes que la detección temprana de isquemia miocárdica puede ser crucial para prevenir complicaciones cardiovasculares mayores. Sin embargo, el monitoreo electrocardiográfico continuo en el quirófano presenta desafíos únicos: artefactos por electrocauterio, movimientos del paciente, interferencias electromagnéticas y cambios posicionales que pueden generar falsas alarmas o enmascarar eventos isquémicos reales.
Metodología de la revisión
Los investigadores realizaron una búsqueda exhaustiva en múltiples bases de datos médicas desde su inicio hasta mayo de 2023, incluyendo todos los estudios originales sobre monitoreo electrocardiográfico para isquemia miocárdica e infarto utilizando técnicas de IA.
Hallazgos principales
La revisión incluyó 182 artículos de investigación original publicados entre 1991 y 2023. Los resultados revelan un panorama mixto de avances y limitaciones:
Fuentes de datos: La mayoría de los estudios (132) utilizaron bases de datos electrocardiográficas preexistentes para desarrollar algoritmos de IA de forma retrospectiva, lo que limita su aplicabilidad clínica real.
Procesamiento de señales: El 58% de los estudios utilizaron filtros de procesamiento para eliminar ruidos y artefactos del ECG antes del desarrollo del algoritmo de IA, una práctica que no refleja las condiciones reales del quirófano.
Rendimiento de algoritmos: Entre las tecnologías de IA evaluadas, ResNet demostró la mayor precisión diagnóstica con una sensibilidad mediana del 98.4%, precisión del 99.8% y especificidad del 99.1%.
Limitaciones críticas: Solo cinco estudios incluyeron recolección prospectiva intermitente de ECG para infarto con elevación del ST. Ningún estudio recolectó ECG continuo perioperatorio de forma prospectiva, considerando las frecuentes falsas alarmas y contaminación de señales típicas del entorno quirúrgico.
El desafío de los datos “sucios”
Uno de los hallazgos más importantes de esta revisión es la brecha entre el rendimiento de los algoritmos de IA en condiciones ideales versus condiciones clínicas reales. Casi todos los algoritmos fueron desarrollados usando bases de datos de ECG “limpios” de código abierto, sin pruebas en datos “sucios” que reflejen las condiciones reales del quirófano.
Esta limitación es particularmente relevante para la anestesiología, donde el entorno operatorio genera múltiples fuentes de interferencia: electrocauterio, bombas de infusión, equipos de monitoreo, movimientos del equipo quirúrgico y cambios en la posición del paciente.
Aplicaciones futuras en anestesiología
A pesar de las limitaciones actuales, el potencial de la IA en el monitoreo electrocardiográfico perioperatorio es considerable. Los algoritmos futuros podrían:
- Distinguir automáticamente entre artefactos y cambios isquémicos reales
- Adaptar la interpretación según el contexto quirúrgico específico
- Integrar datos de múltiples fuentes de monitoreo para mejorar la precisión diagnóstica
- Proporcionar alertas inteligentes que reduzcan la fatiga de alarmas
Dispositivos portátiles y monitoreo remoto
La revisión también destaca la necesidad de desarrollar algoritmos de IA para dispositivos portátiles y monitoreo remoto. Esta aplicación podría ser particularmente valiosa para el seguimiento postoperatorio, permitiendo la detección temprana de eventos isquémicos durante la recuperación.
Reflexión sobre el futuro del monitoreo electrocardiográfico
Esta revisión subraya una realidad importante: aunque la IA muestra un potencial extraordinario para mejorar la interpretación electrocardiográfica, aún existe una brecha significativa entre la investigación de laboratorio y la aplicación clínica real.
Como anestesiólogos, debemos ser conscientes tanto de las promesas como de las limitaciones actuales de estas tecnologías. El desarrollo futuro debe enfocarse en crear algoritmos robustos que puedan funcionar efectivamente en el entorno “ruidoso” del quirófano, donde la precisión diagnóstica es crucial pero las condiciones son desafiantes.
La colaboración entre anestesiólogos, ingenieros biomédicos y desarrolladores de IA será esencial para crear herramientas que realmente mejoren nuestra capacidad de detectar y responder a eventos isquémicos perioperatorios.
Este artículo apenas rasca la superficie de lo que la IA puede aportar en anestesia.
Explora más en profundidad en nuestro curso online: www.cursosanestesia.com/ia.
Artículo original: “Artificial intelligence for electrocardiographic diagnosis of perioperative myocardial ischaemia: a scoping review” – British Journal of Anaesthesia
DOI: 10.1016/j.bja.2025.05.037