La estenosis aórtica es la valvulopatía que más intervenciones genera en Europa y en Norteamérica, y sigue siendo la que más veces se diagnostica tarde. El obstáculo no es el conocimiento, sino la logística: el diagnóstico exige una ecocardiografía transtorácica completa con Doppler, un equipo caro y un ecografista formado. Fuera del laboratorio de imagen, la detección depende de la auscultación, cuya sensibilidad varía enormemente según quién sostenga el fonendoscopio.
Un estudio diagnóstico de la Clínica Mayo publicado en JAMA Cardiology [1] y presentado en el Congreso ESC 2026 propone romper esa dependencia por los dos extremos a la vez: una inteligencia artificial que guía la adquisición de la imagen en tiempo real, para que la haga alguien sin formación previa, y otra que la interpreta sin necesidad de Doppler. El resultado se validó de forma prospectiva en 1.302 pacientes.
En este artículo:
- Por qué el cribado de estenosis aórtica sigue atascado
- Cómo se construyó y se validó el modelo
- Operadores sin experiencia: el paso que faltaba
- La estrategia en dos pasos y el valor predictivo positivo
- A quién se le escapó la estenosis aórtica
- Lo que este estudio todavía no responde
Por qué el cribado de estenosis aórtica sigue atascado
La carga poblacional está bien medida. En una cohorte estadounidense representativa de 3.000 adultos de 65 a 85 años explorados con ecocardiografía a domicilio, la prevalencia ponderada de estenosis aórtica moderada o mayor fue del 3,1% (IC 95% 2,3–3,8), y llegó al 7,0% en el tramo de 80 a 85 años [2]. La valvulopatía moderada o mayor de cualquier tipo alcanzó al 8,2% de esa población. Son cifras que justifican preguntarse por el cribado poblacional de la estenosis aórtica.
Ninguna sociedad lo recomienda hoy, y con motivo. La guía ESC/EACTS 2025 de valvulopatías reconoce explícitamente que el infradiagnóstico y el infratratamiento siguen siendo problemas relevantes, pero no contempla ninguna estrategia de cribado con imagen fuera del entorno hospitalario [3]. La razón es de recursos: cribar con ecocardiografía completa no es viable a escala poblacional.
La alternativa que más camino llevaba recorrido era el electrocardiograma analizado con inteligencia artificial. En la serie original de la propia Clínica Mayo, sobre 102.926 pacientes de prueba, el algoritmo alcanzó un área bajo la curva de 0,85, con sensibilidad del 78% y especificidad del 74%; el valor predictivo positivo se quedó en el 10,5% [4]. Es un primer filtro barato y de gran alcance, en la línea de los algoritmos de detección de cardiopatía estructural a partir del ECG, pero con esa precisión no sirve para decidir a quién se le hace una ecocardiografía en una población de baja prevalencia.
Cómo se construyó y se validó el modelo
El desarrollo se hizo sobre ecocardiogramas clínicamente indicados realizados entre enero de 2005 y septiembre de 2022 en las sedes de Minnesota y Wisconsin. La cohorte del Medio Oeste incluyó 8.449 pacientes, de los cuales 927 (11,0%) tenían estenosis aórtica moderada o mayor. Se repartieron en entrenamiento (6.753), validación interna (852) y prueba interna (844).
El criterio de referencia fue la ecocardiografía completa con Doppler, interpretada por ecocardiografistas de nivel III y ciega a los resultados del algoritmo. Se consideró estenosis aórtica moderada o mayor si se cumplía al menos uno de estos criterios: área valvular ≤1,5 cm², gradiente medio transaórtico ≥20 mmHg, velocidad pico ≥3,0 m/s o índice adimensional ≤0,35. Conviene tener presente el escalón siguiente: la guía ESC/EACTS 2025 define la estenosis grave de alto gradiente por gradiente medio ≥40 mmHg, velocidad pico ≥4,0 m/s y área ≤1 cm² [3].
La clave técnica es lo que el modelo no necesita. Trabaja solo con vídeo bidimensional de tres planos convencionales, paraesternal eje largo, paraesternal eje corto a nivel de la válvula aórtica y apical de tres cámaras, sin Doppler espectral ni color y sin ninguna medida cuantitativa. Reconoce el sustrato morfológico de la estenosis aórtica calcificada, el engrosamiento, la fibrosis y la calcificación de las valvas, no la hemodinámica.
La discriminación fue excelente y estable: área bajo la curva de 0,99 en la prueba interna (IC 95% 0,98–1,00), 0,99 en Arizona (0,97–1,00) y 0,99 en Florida (0,96–1,00), pese a que la prevalencia en esas dos sedes bajaba al 3,7% y al 3,9%. En 602 pacientes explorados con ecógrafo de mano por ecografistas profesionales, la sensibilidad fue del 95% (82–99) y la especificidad del 97% (95–98). El rendimiento se mantuvo en ritmo sinusal y en fibrilación auricular, y a lo largo de periodos de adquisición y modelos de ecógrafo distintos.
Un detalle práctico que se pierde fácilmente: el rendimiento depende del número de ventanas acústicas obtenidas. Con una sola ventana elegida al azar el área bajo la curva rondó 0,88; solo al integrar todas las disponibles se alcanzó 0,99. Insistir en conseguir los tres planos no es perfeccionismo, es lo que sostiene la cifra.
Operadores sin experiencia: el paso que faltaba
La parte prospectiva es la que da valor al trabajo. Se reclutaron 1.302 adultos que acudían a una ecocardiografía completa indicada clínicamente, en dos periodos, de junio a agosto de 2024 y de junio a septiembre de 2025. Se excluyeron solo las cardiopatías congénitas complejas y las prótesis aórticas previas. La edad media fue de 64 años (DE 16), el 41,5% eran mujeres y el 89,5% estaba en ritmo sinusal.
Las exploraciones las hicieron nueve personas del equipo investigador sin ninguna experiencia clínica ni ecográfica previa, con un ecógrafo de mano dotado de guía de adquisición por inteligencia artificial en tiempo real y tras cuatro horas de formación estandarizada. La mediana de duración de la exploración fue de 4 minutos (RIC 3–5), realizada dentro de los 15 minutos previos o posteriores a la ecocardiografía de referencia.
Se obtuvieron imágenes de calidad completa, buena o adecuada en el 80% a 90% de las exploraciones para los planos paraesternales y en el 65% para el apical de tres cámaras. En conjunto, 1.268 pacientes (97,4%) tuvieron imágenes suficientes para una valoración diagnóstica. En un subestudio anidado, 91 participantes repitieron la exploración el mismo día: la clasificación de cribado fue concordante en los 91.
La estrategia en dos pasos y el valor predictivo positivo
Con una prevalencia de estenosis aórtica moderada o mayor del 3,7% (48 de 1.302), la inteligencia artificial actuando sola generó un resultado analizable en 1.258 exploraciones (96,6%), con un área bajo la curva de 0,979. Aquí aparece el problema clásico del cribado: sensibilidad y especificidad altísimas, valor predictivo positivo mediocre.
Por eso los autores evaluaron una vía en dos pasos: la inteligencia artificial hace la primera pasada y un cardiólogo revisa solo las exploraciones que salen positivas y las que el algoritmo no puede interpretar. Esa revisión afectó al 10,1% de los estudios y consumió una media de 2 minutos (DE 1) por exploración.
| Medida | Solo inteligencia artificial | Solo revisión experta | Vía en dos pasos |
|---|---|---|---|
| Exploraciones clasificables | 1.258 (96,6%) | 1.268 (97,4%) | 1.285 (98,7%) |
| Sensibilidad | 93,5% (82,1–98,6) | 91,7% (80,0–97,7) | 85,4% (72,2–93,9) |
| Especificidad | 96,4% (95,2–97,4) | 99,5% (98,9–99,8) | 99,7% (99,2–99,9) |
| Valor predictivo positivo | 49,4% (38,5–60,4) | 88,0% (75,7–95,5) | 91,1% (78,8–97,5) |
| Valor predictivo negativo | 99,7% (99,3–100,0) | 99,7% (99,2–99,9) | 99,4% (98,8–99,8) |
El efecto sobre la carga de trabajo es el dato que hay que retener. De los 1.302 participantes, la primera pasada del algoritmo dio de alta directamente a 1.171 y marcó 87 como positivos y 44 como no interpretables. Tras la revisión del cardiólogo, solo 62 pacientes (el 4,8% del total) acabaron derivados a ecocardiografía completa. Los falsos positivos bajaron de 44 a 4.
Ese cambio importa económicamente. Un análisis de costes del mismo grupo estimó que añadir ecografía de mano tras un electrocardiograma con inteligencia artificial positivo reduce el coste por diagnóstico de estenosis aórtica de 6.386 a 2.746 dólares, un ahorro del 57%, precisamente por evitar ecocardiografías innecesarias [5].
A quién se le escapó la estenosis aórtica
Ganar valor predictivo positivo cuesta sensibilidad, y conviene saber exactamente dónde. Con la vía en dos pasos se escaparon 7 de las 48 estenosis aórticas moderadas o mayores. Cuatro de ellas las había marcado el algoritmo como positivas y el revisor las clasificó como negativas: todas eran moderadas. Las otras tres las descartó la propia inteligencia artificial en la primera pasada, y una de esas tres era una estenosis aórtica grave.
Los casos perdidos tendían a tener áreas valvulares mayores, sin alcanzar significación estadística (1,3 ± 0,3 frente a 1,1 ± 0,2 cm²), es decir, enfermedad más próxima al umbral. Los cuatro falsos positivos de esa vía tampoco eran válvulas normales: todos tenían estenosis ligera, con gradientes medios de 10 a 19 mmHg y áreas de 1,6 a 2,0 cm².
Las exploraciones no interpretables por el algoritmo fueron 44 (3,4%), siempre por calidad de imagen insuficiente para identificar alguno de los tres planos diana. De ellas, el revisor experto pudo dictaminar 29. Y la calidad de imagen resultó ser el determinante principal del acierto: el 88,1% de los verdaderos positivos tenía al menos una ventana buena o excelente, frente al 56,8% de los falsos positivos (p=0,009).
Los análisis de subgrupos no encontraron diferencias significativas de exactitud según hubiera o no valvulopatía concomitante, ni entre válvula bicúspide y trivalva, ni por encima o por debajo de 75 años. La sensibilidad, eso sí, fue numéricamente menor en los menores de 75 años (77,3% frente a 92,3%; p=0,22), con intervalos amplios por el escaso número de eventos.
Lo que este estudio todavía no responde
Lo que se ha demostrado es una prueba de triaje, no un diagnóstico. El algoritmo no mide gradientes ni áreas, no gradúa la gravedad y no sustituye a la ecocardiografía con Doppler: identifica un fenotipo morfológico compatible con estenosis moderada o mayor y decide a quién merece la pena estudiar bien. Esa distinción no es un matiz semántico, porque condiciona lo que se le puede decir al paciente al terminar la exploración.
Hay tres cautelas que en nuestro entorno pesan más que en Rochester. La primera es la población: se reclutó a pacientes que ya venían derivados a una ecocardiografía, no a una población general no seleccionada, y no se recogió el estado sintomático. La prevalencia del 3,7% se parece a la comunitaria, pero el sesgo de derivación sigue ahí. La segunda es el editorial que acompaña al trabajo en la misma revista, que sitúa el punto exacto de la discusión [6]:
La distinción entre automatización y autonomía sigue siendo crucial.
Editorial de JAMA Cardiology, agosto de 2026
El argumento de fondo es que un clasificador con sensibilidad y especificidad excelentes en una cohorte enriquecida al 30% de enfermedad puede generar avalanchas de falsos positivos donde la prevalencia es del 1%, y que lo verdaderamente decisivo para desplegar estos sistemas no es que acierten, sino que sepan reconocer cuándo no deben pronunciarse. Aquí ese papel lo cumple el cardiólogo que revisa el 10%, no el algoritmo.
La tercera cautela es qué se hace después. La mayor parte de lo que este cribado encuentra es estenosis moderada, y la guía ESC/EACTS 2025 reserva la intervención en ese estadio para pacientes que van a operarse por otro motivo, cirugía coronaria, de aorta ascendente u otra válvula [3]. Lo que sí cambia es el seguimiento: la guía recomienda reevaluar al menos anualmente la estenosis aórtica moderada degenerativa, frente a los intervalos de 2 a 3 años de la ligera. Detectar antes traslada al paciente a una vía de vigilancia estructurada, y ese es hoy el beneficio realista.
Mensajes clave
- Un modelo de aprendizaje profundo detectó estenosis aórtica moderada o mayor a partir de vídeo bidimensional sin Doppler, con área bajo la curva de 0,99 en tres cohortes geográficamente distintas.
- En 1.302 pacientes explorados prospectivamente por nueve operadores sin experiencia previa y con cuatro horas de formación, el 96,6% de las exploraciones fue analizable y la mediana de duración fue de 4 minutos.
- La inteligencia artificial sola alcanzó sensibilidad del 93,5% y especificidad del 96,4%, pero un valor predictivo positivo del 49,4% con una prevalencia del 3,7%.
- Añadir la revisión de un cardiólogo al 10% de las exploraciones subió el valor predictivo positivo al 91,1% y dejó la derivación a ecocardiografía completa en el 4,8% de los participantes.
- El precio fue la sensibilidad: 7 de 48 estenosis moderadas o mayores no se detectaron, una de ellas grave.
Relevancia y aplicación clínica
Si trabajas en atención primaria, en una consulta de medicina interna o en cualquier entorno sin acceso rápido a ecocardiografía, la lectura práctica es que el cuello de botella se ha desplazado. Ya no es imprescindible un ecografista formado para obtener imágenes útiles de la válvula aórtica; sigue siendo imprescindible alguien que sepa interpretar el 10% dudoso y que asuma la responsabilidad del resultado.
La forma sensata de encajar esto en un circuito asistencial es en cascada: un primer filtro amplio y barato, el electrocardiograma con inteligencia artificial, seguido de ecografía de mano guiada en los positivos, y ecocardiografía completa solo al final. Cada escalón sube el valor predictivo positivo y baja el número de exploraciones caras.
Dos advertencias antes de entusiasmarse. Todo el trabajo procede de un único sistema sanitario, con predominio abrumador de población blanca y de enfermedad calcificada degenerativa; ni la etiología reumática ni las poblaciones latinoamericanas están representadas, y ahí la extrapolación no es automática. Y no se han medido desenlaces: sabemos que la prueba clasifica bien, no que detectar antes mejore la supervivencia o reduzca ingresos.
Con esas reservas, el cribado de estenosis aórtica con inteligencia artificial aplicada a la ecografía cardíaca focalizada es la primera propuesta que parece a la vez precisa y desplegable fuera del laboratorio de imagen, y merece que la sigas de cerca: si funciona en población comunitaria, cambia el momento en que muchos de tus pacientes entran en la vía de vigilancia y de intervención precoz de la estenosis aórtica.
Preguntas frecuentes
¿Puede la inteligencia artificial diagnosticar una estenosis aórtica sin Doppler?
Puede identificar con alta exactitud a quién es probable que la tenga, a partir del aspecto bidimensional de la válvula. No mide gradientes ni áreas, así que no gradúa la gravedad ni sustituye a la ecocardiografía con Doppler, que sigue siendo la prueba de referencia.
¿Cuánta formación necesita quien hace la ecografía?
En este trabajo, cuatro horas de entrenamiento estandarizado bastaron para que personas sin ninguna experiencia clínica ni ecográfica obtuvieran imágenes analizables en el 96,6% de los casos, siempre con guía de adquisición asistida por inteligencia artificial en tiempo real.
¿Qué prevalencia de estenosis aórtica hay en la población mayor?
En adultos estadounidenses de 65 a 85 años, la estenosis aórtica moderada o mayor afecta al 3,1%, y sube al 7,0% entre los 80 y los 85 años. La forma grave ronda el 1,6% del total.
¿Qué hago si detecto una estenosis aórtica moderada?
Confirmarla con ecocardiografía completa y programar seguimiento. La guía ESC/EACTS 2025 recomienda reevaluar al menos anualmente la estenosis moderada degenerativa, y reserva la intervención en ese estadio para quien vaya a someterse a cirugía cardíaca por otro motivo.
Bibliografía recomendada
- Lee E, Naser JA, Kane CJ, et al. Artificial intelligence-enabled acquisition and interpretation for screening aortic stenosis. JAMA Cardiol. Publicado en línea el 28 de agosto de 2026. PMID 42661496
- Brener MI, Chuang ML, Nishimura R, et al. Population prevalence of valvular heart disease in the United States: the PREVUE-VALVE study. J Am Coll Cardiol. 2026;87(23):3227-3239. PMID 42300818
- Praz F, Borger MA, Lanz J, et al. 2025 ESC/EACTS guidelines for the management of valvular heart disease. Eur Heart J. 2025;46(44):4635-4736. PMID 40878295
- Cohen-Shelly M, Attia ZI, Friedman PA, et al. Electrocardiogram screening for aortic valve stenosis using artificial intelligence. Eur Heart J. 2021;42(30):2885-2896. PMID 33748852
- Schlesinger RP, Alexandrino FB, Lee E, et al. Structural heart disease screening using artificial intelligence-enabled electrocardiogram and novice handheld cardiac ultrasound: a cost analysis. Eur Heart J Open. 2026;6(2):oeag049. PMID 41970469
- Marwick TH. Artificial intelligence for acquisition and interpretation of echocardiography: closing the loop. JAMA Cardiol. Publicado en línea el 28 de agosto de 2026. PMID 42661493
Ramón Bover Freire
