Metaanálisis del ECG con inteligencia artificial en el infarto agudo: fiable en el STEMI, mucho menos en el NSTEMI

El electrocardiograma de 12 derivaciones sigue siendo la primera prueba ante una sospecha de síndrome coronario agudo, y sigue siendo también el cuello de botella. Los criterios milimétricos de elevación del ST dejan fuera a una parte considerable de las oclusiones coronarias agudas, y el retraso que eso genera se paga en miocardio. El ECG con inteligencia artificial se ha propuesto como una ayuda para ese primer filtro: un modelo que lee la señal en segundos, en el punto de atención, sin necesidad de esperar a la troponina ni a que haya un cardiólogo delante de la pantalla.

Un metaanálisis diagnóstico publicado en European Heart Journal - Digital Health [1] reúne por primera vez lo que se sabe de esos modelos: diez estudios observacionales y 94.510 pacientes, con análisis separados para el infarto con elevación del ST (STEMI) y para el infarto sin elevación del ST (NSTEMI). El resultado global es llamativo. El resultado por subgrupos es el que de verdad decide dónde puede usarse esta herramienta y dónde no.

En este artículo:

1. Lo que sabíamos hasta ahora
2. Qué midió el metaanálisis
3. Resultados globales y por tipo de infarto
4. El valor predictivo positivo, el número de la guardia
5. Dónde falla el ECG con inteligencia artificial
6. Del rendimiento diagnóstico al paciente real
7. Qué cambia en la práctica clínica

Lo que sabíamos hasta ahora

La guía ESC 2023 de síndromes coronarios agudos [6] fija el marco con dos recomendaciones de clase I y nivel de evidencia B: el diagnóstico y la estratificación inicial del riesgo se basan en la combinación de historia clínica, síntomas, constantes, exploración, electrocardiograma y troponina de alta sensibilidad; y el electrocardiograma debe registrarse e interpretarse cuanto antes en el primer contacto médico.

Se recomienda el registro e interpretación de un electrocardiograma de 12 derivaciones lo antes posible en el punto de primer contacto médico, con un objetivo de menos de 10 minutos.

Guía ESC 2023 de síndromes coronarios agudos

La misma guía recomienda, también con clase I y nivel B, medir troponina de alta sensibilidad de forma inmediata y aplicar el algoritmo 0h/1h o 0h/2h para confirmar o descartar el infarto sin elevación del ST. Las escalas de riesgo como GRACE quedan en clase IIa. El problema práctico es el intervalo entre el primer electrocardiograma y la primera troponina: ahí el clínico decide con la señal eléctrica y poco más.

Y esa señal se lee peor de lo que solemos suponer. En un registro multicéntrico estadounidense de 1.032 activaciones urgentes de la sala de hemodinámica [3], sólo el 60,4% de los infartos confirmados por angiografía cumplía criterios milimétricos de elevación del ST en el electrocardiograma inicial: el 39,6% restante eran equivalentes de STEMI. En el estudio EMPIRE, una cohorte prehospitalaria de 1.244 pacientes con dolor torácico [5], la lectura del electrocardiograma por clínicos experimentados alcanzó una sensibilidad del 40% para cualquier síndrome coronario agudo y del 26% para los que no tenían elevación del ST. Sobre ese suelo se han construido los modelos de aprendizaje profundo que este metaanálisis evalúa.

Qué midió el metaanálisis

Se trata de una revisión sistemática y metaanálisis diagnóstico, con protocolo registrado en PROSPERO y realizado según la declaración PRISMA. Los autores buscaron en tres bases de datos hasta enero de 2026 estudios que evaluaran algoritmos de inteligencia artificial aplicados al electrocardiograma para detectar infarto agudo de miocardio en adultos con sospecha de síndrome coronario agudo, y que aportaran datos suficientes para reconstruir las tablas de contingencia. Se seleccionaron diez estudios observacionales.

La población reunida suma 94.510 participantes de Norteamérica, Asia oriental y Latinoamérica, con tamaños que van de 217 a 35.981 pacientes y edades medias o medianas de 59 a 65 años. El 53,7% eran varones. La prevalencia agrupada de hipertensión fue del 41,9%, la de diabetes del 23,0%, la de dislipemia del 27,5% y la de enfermedad coronaria conocida del 23,5%. La mayoría de los trabajos eran retrospectivos y los modelos, redes neuronales profundas y convolucionales, algunas de arquitectura publicada y otras de sistemas comerciales. El patrón de referencia fue la adjudicación clínica con biomarcadores, coronariografía o ambos.

Las estimaciones agrupadas se obtuvieron con modelos de efectos aleatorios por máxima verosimilitud restringida, con análisis de subgrupos preespecificados para STEMI y NSTEMI, evaluación del riesgo de sesgo con la herramienta QUADAS-2 y comprobación del sesgo de publicación con la prueba de asimetría del gráfico en embudo de Deeks, que no lo detectó (p = 0,432).

Resultados globales y por tipo de infarto

En el conjunto de los estudios, el electrocardiograma analizado con inteligencia artificial alcanzó una sensibilidad agrupada del 89,4% y una especificidad del 96,0%, con un área bajo la curva SROC de 0,97. Al separar por tipo de infarto, esas dos cifras se abren en dos escenarios que tienen poco que ver entre sí.

La diferencia entre subgrupos fue significativa tanto para la sensibilidad como para la especificidad. En el infarto con elevación del ST el rendimiento es el de una prueba diagnóstica madura. En el infarto sin elevación del ST, con un área bajo la curva de 0,71, estamos ante una prueba de discriminación modesta.

Hay un segundo corte, menos comentado y más incómodo, que los propios autores publican: el análisis por diseño del estudio. En los trabajos retrospectivos la sensibilidad agrupada fue del 92,3% (83,5-96,6), y en los prospectivos, del 66,2% (63,3-69,0). La especificidad se mantuvo alta en ambos (96,9% frente a 93,0%), pero el valor predictivo positivo cayó del 80,2% al 47,7%. Cuando el modelo deja de leer electrocardiogramas seleccionados y empieza a leer los que van llegando, el rendimiento se comporta de otra manera.

La heterogeneidad fue muy alta en casi todos los análisis, con valores de I² del 98,1% para la sensibilidad global y del 99,8% para la especificidad. La única excepción notable es la sensibilidad en el subgrupo de NSTEMI, con un I² del 55,3%: los tres estudios que lo analizan coinciden bastante entre sí en que el rendimiento es bajo.

El valor predictivo positivo, el número de la guardia

El valor predictivo positivo agrupado del 77,8% en el STEMI es la cifra que peor resiste una lectura atenta, y es justo la que decide si merece la pena levantar a un equipo a las tres de la madrugada. Entre los siete estudios que lo aportan, el recorrido va del 19,6% al 94,2%, con una heterogeneidad del 99,8%. Y no es un reparto aleatorio: los dos estudios con más pacientes y con una prevalencia de infarto parecida a la de un servicio de urgencias real dieron valores predictivos positivos del 19,6% y del 42,9%. En el subgrupo de NSTEMI el valor agrupado es del 60,9%, con un intervalo de confianza del 19,9% al 90,8%, tan ancho que no permite decidir nada.

La razón es la que enseña cualquier manual y conviene recordar aquí: el valor predictivo positivo depende de la prevalencia. Un modelo validado en una cohorte enriquecida en infartos da un número que no se traslada a una población de dolor torácico no seleccionado. Los autores del metaanálisis lo advierten con claridad y recomiendan interpretar con cautela los valores predictivos agrupados. La sensibilidad y la especificidad, que dependen menos de la prevalencia, son las cifras que soportan mejor el traslado a otro entorno.

Conviene añadir un matiz de peso que se ve en los datos de los estudios individuales: un solo trabajo aporta alrededor del 84% del denominador tanto del análisis de especificidad como del de valor predictivo negativo. Ese estudio es un diseño de casos y controles con una proporción de controles enormemente superior a la de la clínica real. Las cifras de especificidad del 96% y de valor predictivo negativo del 98,7% descansan, en buena medida, sobre esa única cohorte.

Dónde falla el ECG con inteligencia artificial

La primera limitación es la de calidad. Con la herramienta QUADAS-2, cinco de los diez estudios se clasificaron con riesgo global alto de sesgo, sobre todo por exclusiones inadecuadas que llevan a sobrestimar el rendimiento, por falta de detalle sobre los umbrales preespecificados y, en un caso, por ausencia de confirmación angiográfica en todos los infartos con elevación del ST. Cinco trabajos se consideraron además de aplicabilidad limitada por proceder de un único centro de alta complejidad.

La segunda es fisiopatológica y no se arregla con más datos de entrenamiento. El infarto sin elevación del ST se presenta a menudo con cambios sutiles o inespecíficos, a veces por eventos coronarios no oclusivos o por territorios pequeños que producen alteraciones eléctricas mínimas o transitorias. Además, varios modelos se entrenaron con conjuntos ricos en presentaciones clásicas, lo que sesga su rendimiento hacia los patrones más evidentes.

La tercera es la del paciente concreto. El estudio ROMIAE [2], que es la validación prospectiva más grande disponible, midió en qué subgrupos empeora el modelo: en mayores de 65 años, en obesidad y en enfermedad crónica (enfermedad coronaria conocida, insuficiencia cardíaca, enfermedad renal crónica, arteriopatía periférica), y también ante hipertrofia ventricular izquierda, bloqueo de rama, fibrilación auricular y ritmo de marcapasos. No hubo diferencias por sexo. Es decir, el rendimiento cae precisamente en los electrocardiogramas basalmente alterados, que son los que más ayuda necesitan.

Del rendimiento diagnóstico al paciente real

Un metaanálisis de rendimiento diagnóstico no dice cuántos pacientes se van a casa antes ni cuántos infartos se tratan más pronto. Para eso hay que ir a los estudios que lo midieron.

El estudio ROMIAE [2] incluyó de forma prospectiva a 8.493 pacientes con sospecha de infarto en 18 servicios de urgencias, con una prevalencia de infarto del 18,6%. El modelo alcanzó un área bajo la curva de 0,878, prácticamente idéntica a la de la escala HEART (0,877; p = 0,944), que ya incluye la troponina. En el punto de corte de bajo riesgo, la sensibilidad fue del 99,6% y el valor predictivo negativo del 99,1%, y fue la única herramienta evaluada que quedó por debajo del 1% de infartos no detectados, con una tasa del 0,86%. Pero sólo el 8,2% de los pacientes cayó en esa zona de bajo riesgo, frente al 36,6% que clasificó la escala HEART. Aplicar el modelo antes de la escala HEART amplió el grupo descartable al 37,0% de los pacientes bajando la tasa de infarto al 0,77%, con una mejora de la reclasificación neta del 19,6% y un índice C de 0,926.

El registro multicéntrico estadounidense [3] midió otra cosa: qué pasa con las activaciones de la sala de hemodinámica. Sobre 1.032 activaciones urgentes, de las que el 58,2% resultaron ser infartos confirmados, el análisis retrospectivo de los electrocardiogramas con un modelo comercial elevó la sensibilidad del 71,0% al 92,0% y redujo la tasa de falsas activaciones del 41,8% al 7,9%. La especificidad pasó del 29,0% al 81,0%. Las ganancias fueron mayores justo donde el clínico lo tiene más difícil: en los equivalentes de STEMI (83,6% frente a 58,0% de sensibilidad), en fibrilación auricular (90,6% frente a 60,4%) y, en especificidad, con QRS ancho (83,3% frente a 28,7%). El modelo reclasificó correctamente el 91% de las falsas activaciones con troponina negativa, aunque acertó mucho menos en los simuladores difíciles: isquemia subendocárdica (60%), cambios postparada (48%) y takotsubo (43%). Conviene saber, al pesar estas cifras, que varios de los autores del registro, incluido el primero, trabajan para el fabricante del sistema evaluado o tienen participación en él.

Y está el estudio ARISE [4], el único ensayo aleatorizado disponible: un diseño pragmático por conglomerados en Taiwán con 43.234 pacientes, en el que la alerta automática al cardiólogo de guardia redujo la mediana del tiempo puerta-balón de 96,0 a 82,0 minutos (p = 0,002) y la del tiempo desde el electrocardiograma hasta el balón de 83,6 a 78,0 minutos (p = 0,011). Hubo menos muertes de causa cardíaca (85 frente a 116 casos; OR 0,73; IC del 95%: 0,55-0,97), pero sin diferencias en mortalidad total ni en aparición de insuficiencia cardíaca con fracción de eyección reducida; y los propios autores señalan que esa reducción probablemente no venga de las alertas, porque en el subgrupo señalado por el modelo la tendencia fue la contraria.

Merece la pena tener presente un último dato del estudio EMPIRE [5], porque describe la naturaleza del cambio mejor que ninguna cifra agrupada: frente al clínico experimentado, el modelo subió la sensibilidad para cualquier síndrome coronario agudo del 40% al 77%, pero bajó la especificidad del 94% al 76%. No es una mejora en todos los frentes; es un desplazamiento del punto de trabajo hacia detectar más a costa de alertar más.

Qué cambia en la práctica clínica

Lo que este metaanálisis permite defender, y lo que no, se separa con bastante nitidez.

• En el infarto con elevación del ST y en sus equivalentes, la ayuda es real. Ahí es donde conviene colocarla: en el primer contacto médico, en el ámbito prehospitalario, en el centro sin sala de hemodinámica y en la guardia sin cardiólogo presencial. El beneficio no está tanto en acertar los infartos evidentes como en rescatar los que no cumplen criterios milimétricos, que son cuatro de cada diez y los que más tiempo pierden.
• En el infarto sin elevación del ST no sirve para descartar. Con una sensibilidad agrupada del 65,0%, una salida negativa dejaría escapar a uno de cada tres. Ningún resultado del modelo justifica acortar la seriación de troponina de alta sensibilidad ni saltarse el algoritmo que recomienda la guía. Este punto merece subrayarse porque el mensaje de portada del trabajo sugiere lo contrario, y sus propias cifras no lo sostienen.
• Un resultado positivo no equivale a una indicación. Con valores predictivos positivos que en cohortes realistas bajan al 20-40%, la mayoría de las alertas positivas pueden no ser infartos. La salida del modelo abre una evaluación urgente; no la cierra.
• El sitio natural es después del electrocardiograma y antes de la troponina. Es el hueco en el que hoy se decide sin datos objetivos, y donde el estudio ROMIAE mostró que la combinación de modelo y escala clínica descarta a más pacientes con menos infartos perdidos que cualquiera de los dos por separado.
• Hay que anotar de qué electrocardiograma se trata. Ante hipertrofia ventricular izquierda, bloqueo de rama, fibrilación auricular o ritmo de marcapasos, el rendimiento baja. Son los casos en los que la salida del modelo pide más juicio clínico, no menos.

Queda pendiente lo que ningún estudio ha demostrado todavía: que usar estas herramientas mejore desenlaces duros. El único ensayo aleatorizado disponible movió los tiempos y no movió la mortalidad total. Las alertas automáticas basadas en el electrocardiograma han mostrado señales de beneficio en otros contextos clínicos, pero en el infarto agudo esa prueba está por hacer, y hay ensayos aleatorizados en marcha diseñados para responderla.

Mensajes clave

• En diez estudios observacionales y 94.510 pacientes, el electrocardiograma analizado con inteligencia artificial alcanzó una sensibilidad agrupada del 89,4% y una especificidad del 96,0% para el infarto agudo de miocardio.
• El resultado global esconde dos escenarios distintos: sensibilidad del 94,4% y área bajo la curva de 0,98 en el infarto con elevación del ST, frente a sensibilidad del 65,0% y área bajo la curva de 0,71 en el infarto sin elevación del ST.
• El valor predictivo positivo agrupado (73,3%) es muy inestable y en las cohortes con prevalencia realista baja al 20-40%: una salida positiva justifica evaluar con urgencia, no tratar.
• En los estudios prospectivos la sensibilidad agrupada cae al 66,2%, frente al 92,3% de los retrospectivos, y cinco de los diez trabajos tienen riesgo alto de sesgo.
• La herramienta encaja como apoyo al triaje en el primer contacto médico, junto al juicio clínico y a la troponina de alta sensibilidad, y nunca como sustituto de la seriación de biomarcadores en el infarto sin elevación del ST.

Relevancia y aplicación clínica

La aportación de este trabajo no es la cifra global, sino el contraste entre subgrupos. Un modelo que detecta el 94% de los infartos con elevación del ST y sólo el 65% de los que no la tienen no es una prueba con dos rendimientos: son dos pruebas distintas que comparten nombre. Y como el que llega a urgencias con dolor torácico no viene etiquetado, la lectura correcta a pie de cama es la conservadora: aprovechar la señal positiva para acelerar, y no dejar que la señal negativa frene nada.

Ese matiz importa más de lo que parece porque el mensaje que circula sobre estas herramientas es el del valor predictivo negativo del 98,7%, que suena a alta para el paciente de bajo riesgo. Sin embargo, en la validación prospectiva más sólida esa promesa se tradujo en un 8,2% de pacientes realmente descartables. Es una ayuda apreciable, no una revolución del circuito del dolor torácico, y quien espere lo segundo va a implantar mal la herramienta.

Hay un beneficio, en cambio, que está bastante mejor sostenido y del que se habla menos: la reducción de las falsas activaciones de la sala de hemodinámica, del 41,8% al 7,9% en el registro estadounidense. En un sistema de infarto, eso son equipos que no se movilizan de madrugada, salas que quedan libres y fatiga de alarma que no se acumula. Combinado con el rescate de los equivalentes de STEMI, que hoy llegan al balón con casi veinte minutos más de mediana, el argumento a favor de estas herramientas es sobre todo organizativo.

Para el cardiólogo de guardia, la síntesis práctica del ECG con inteligencia artificial en el infarto agudo de miocardio cabe en una frase: úsalo para mirar antes y mirar mejor los electrocardiogramas dudosos, no para dejar de mirar. La decisión sigue siendo del médico que integra la clínica, el trazado y la troponina.

Preguntas frecuentes

¿Puede la inteligencia artificial sustituir al cardiólogo en la lectura del electrocardiograma?
No, y ningún dato de este metaanálisis lo respalda. Los modelos ganan sensibilidad respecto al clínico, pero pierden especificidad, y su rendimiento cae precisamente en los trazados con alteraciones basales. Funcionan como apoyo a la decisión en el triaje, con el clínico manteniendo la responsabilidad.

¿Sirve el ECG con inteligencia artificial para dar de alta a un paciente con dolor torácico?
No por sí solo. En el estudio ROMIAE, el punto de corte de bajo riesgo dejó una tasa de infarto no detectado del 0,86%, por debajo del 1% que se considera aceptable, pero sólo clasificó como bajo riesgo al 8,2% de los pacientes. El descarte sigue apoyándose en la seriación de troponina de alta sensibilidad.

¿Por qué funciona peor en el infarto sin elevación del ST?
Porque los cambios eléctricos son sutiles, inespecíficos o transitorios, a menudo por eventos coronarios no oclusivos o por territorios pequeños. A eso se suma que varios modelos se entrenaron con conjuntos ricos en presentaciones clásicas con elevación del ST, lo que sesga su rendimiento hacia los patrones más evidentes.

¿Reduce la mortalidad usar estos modelos en urgencias?
No está demostrado. El único ensayo aleatorizado disponible acortó los tiempos hasta la reperfusión y encontró menos muertes de causa cardíaca, pero sin diferencias en mortalidad total, y sus propios autores relativizan ese hallazgo. Hay ensayos aleatorizados en marcha centrados en desenlaces clínicos.

Bibliografía recomendada

1. Gaelzer GC, Batista PG, Montenegro MV, Dos Santos Silva RRA, Malik M, Tebet MLC, et al. Artificial intelligence-based ECG as a triage tool for acute myocardial infarction: a diagnostic systematic review and meta-analysis. Eur Heart J Digit Health. 2026;7(7):ztag075. PMID 42668832
2. Lee MS, Shin TG, Lee Y, Kim DH, Choi SH, Cho H, et al. Artificial intelligence applied to electrocardiogram to rule out acute myocardial infarction: the ROMIAE multicentre study. Eur Heart J. 2025;46(20):1917-1929. PMID 39992309
3. Herman R, Mumma BE, Hoyne JD, Cooper BL, Johnson NP, Kisova T, et al. AI-enabled ECG analysis improves diagnostic accuracy and reduces false STEMI activations: a multicenter U.S. registry. JACC Cardiovasc Interv. 2026;19(2):145-156. PMID 41158088
4. Lin C, Liu WT, Chang CH, Lee CC, Hsing SC, Fang WH, et al. Artificial intelligence-powered rapid identification of ST-elevation myocardial infarction via electrocardiogram (ARISE): a pragmatic randomized controlled trial. NEJM AI. 2024;1(7):AIoa2400190. DOI 10.1056/AIoa2400190
5. Al-Zaiti S, Besomi L, Bouzid Z, Faramand Z, Frisch S, Martin-Gill C, et al. Machine learning-based prediction of acute coronary syndrome using only the pre-hospital 12-lead electrocardiogram. Nat Commun. 2020;11(1):3966. PMID 32769990
6. Byrne RA, Rossello X, Coughlan JJ, Barbato E, Berry C, Chieffo A, et al. 2023 ESC guidelines for the management of acute coronary syndromes. Eur Heart J. 2023;44(38):3720-3826. PMID 37622654
7. Riek NT, Akcakaya M, Bouzid Z, Gokhale T, Helman SM, Kraevsky K, et al. ECG-SMART-NET: a deep learning architecture for precise ECG diagnosis of occlusion myocardial infarction. IEEE Trans Biomed Eng. 2025;72(12):3613-3620. PMID 40418608