IA de UC Berkeley descubre una señal oculta en el electrocardiograma que predice la muerte súbita cardíaca mucho mejor que los métodos actuales

Los hallazgos clave del estudio de UC Berkeley sobre muerte súbita cardíaca con IA

Un equipo de investigadores de la Universidad de California, Berkeley, liderado por el profesor asociado Ziad Obermeyer, publicó el 24 de junio de 2026 en la revista Nature un estudio que revela cómo un modelo de aprendizaje profundo, entrenado con más de 440.000 electrocardiogramas (ECG), descubrió una señal eléctrica del corazón hasta ahora no reconocida en los ECG de rutina. Esta señal predice el riesgo de muerte súbita cardíaca con una precisión muy superior a la de los estándares clínicos actuales .

La señal previamente desconocida

El modelo de IA identificó patrones de ondas muy sutiles en los ECG (picos y corrientes eléctricas producidas por el corazón) que son indetectables para el ojo humano y que no aparecen en las pruebas clínicas estándar . Estos patrones están relacionados con un mal funcionamiento del sistema eléctrico del corazón antes de que se produzca un paro cardíaco repentino. Aunque todavía no se comprende el mecanismo fisiológico exacto, la IA parece haber detectado una característica vinculada a que el corazón falle de forma repentina y mortal .

Entrenamiento y validación del modelo

El equipo entrenó su modelo de aprendizaje profundo utilizando más de 440.000 ECG procedentes de Suecia, vinculados a certificados de defunción. Alimentaron al sistema con exploraciones de personas sanas, pacientes de riesgo y aquellos que posteriormente fallecieron por muerte súbita cardíaca, hasta que la IA aprendió a reconocer los patrones de ondas que predicen este desenlace . Posteriormente, validaron el modelo en miles de expedientes adicionales de pacientes tanto de Estados Unidos (región de San Diego) como de Taiwán (Taipéi) . Un artículo de Nature que acompaña al estudio confirma que el modelo se desarrolló utilizando una extensa base de datos de ECG y registros de mortalidad .

Rendimiento en la detección del riesgo

El sistema de IA identifica un grupo de alto riesgo con una tasa anual de muerte súbita cardíaca del 7%, mientras que las pruebas clínicas estándar (que miden, por ejemplo, la cantidad de sangre que el corazón expulsa por latido, la fracción de eyección) detectan un grupo de alto riesgo con solo un 4.6% de tasa anual . El modelo señala un grupo de riesgo más amplio y predice mejor quién sufrirá una muerte súbita cardíaca. Estas diferencias se traducen en miles de pacientes al año que, según las medidas convencionales, parecen tener un riesgo bajo, pero que en realidad están en peligro .

Por qué la detección ha sido tan difícil hasta ahora

La muerte súbita cardíaca, que mata a más de 300.000 personas al año en Estados Unidos, se produce cuando el sistema eléctrico del corazón deja de funcionar de repente, sin previo aviso . Obermeyer señala que existe una cura efectiva: los desfibriladores implantables, que restablecen el ritmo cardíaco con una descarga. Sin embargo, los médicos no logran determinar quién necesita uno antes de que sea demasiado tarde . El problema central es que las personas mueren de forma tan abrupta que es casi imposible saber qué estaba sucediendo en el interior del corazón justo antes del paro; las autopsias revelan detalles estructurales, pero no el funcionamiento eléctrico inmediatamente anterior a la muerte .

Próximos pasos

Los investigadores planean implementar el algoritmo en sistemas de salud para ayudar a los médicos a identificar mejor qué pacientes necesitan un desfibrilador interno . El estudio también abre la puerta a nuevas investigaciones sobre el mecanismo fisiológico subyacente a los fallos eléctricos cardíacos. Obermeyer afirmó que el objetivo es "no solo tomar mejores decisiones, sino también empezar a entender qué está pasando realmente con estos pacientes antes de que su corazón se detenga" . Dado que los electrocardiogramas son pruebas rutinarias, de bajo costo y disponibles en centros médicos de todo el mundo, esta herramienta podría aplicarse a gran escala para salvar vidas .