La disfunción sistólica del ventrículo izquierdo (DSVI), definida clásicamente por una fracción de eyección del ventrículo izquierdo (FEVI) ≤40%, constituye un estadio fisiopatológico avanzado de daño miocárdico que precede al desarrollo de insuficiencia cardíaca clínica sintomática. Un porcentaje sustancial de los pacientes cursa esta fase de manera silente o asintomática (estadio B de insuficiencia cardíaca), perdiendo la oportunidad de iniciar precozmente intervenciones farmacológicas modificadoras de la enfermedad (como inhibidores del SGLT2, ARNI o betabloqueantes) antes de la descompensación hemodinámica. Si bien el ecocardiograma transtorácico representa el método de referencia para cuantificar la función sistólica y los algoritmos de inteligencia artificial (IA) han demostrado alta precisión para inferir DSVI a partir de electrocardiogramas (ECG) convencionales de 12 derivaciones, el cribado masivo en la población general resulta costoso y logísticamente restrictivo. Los relojes inteligentes comerciales con registro de ECG monocanal de 30 segundos ofrecen una plataforma de telemetría pasiva potencialmente escalable para el cribado poblacional no invasivo. No obstante, se desconocía la variabilidad diagnóstica inherente entre distintas marcas comerciales y la tasa de falsos positivos en registros ambulatorios repetidos en el domicilio. Con este objetivo, este estudio clínico evaluó el rendimiento de un modelo de IA para detectar DSVI a partir de trazos monocanales de reloj inteligente, analizando la discrepancia entre dispositivos y el beneficio de requerir mediciones consecutivas para reducir alertas falsas.
Se trata de un estudio clínico prospectivo y observacional unicéntrico llevado a cabo en el Hospital Incheon Sejong (Corea del Sur), estructurado en dos cohortes consecutivas e independientes:
- Cohorte 1 (validación en consultorio y concordancia intermarca): incluyó a 2.211 adultos derivados para ecocardiograma en consulta externa de cardiología entre julio de 2023 y mayo de 2024. Cada paciente completó de manera consecutiva y supervisada dos registros electrocardiográficos monocanales de 30 segundos (derivación I simulada entre muñeca y dedo índice contralateral): uno con Apple Watch y otro con Samsung Galaxy Watch. Se aplicó un algoritmo de IA para clasificar la presencia o ausencia de DSVI (definida por ecocardiografía como FEVI ≤40% realizada dentro de una ventana de 14 días), aplicando un punto de corte predefinido derivado de datos independientes de Galaxy Watch.
- Cohorte 2 (monitorización domiciliaria longitudinal): incluyó a 146 pacientes ambulatorios enrolados entre julio de 2024 y diciembre de 2025 que realizaron registros diarios de ECG en sus propios relojes inteligentes en el hogar (94% usuarios de Galaxy Watch) tras recibir recordatorios estructurados, evaluándose las lecturas durante la primera semana de seguimiento frente al ecocardiograma confirmatorio.
Los criterios de valoración abarcaron la precisión diagnóstica del algoritmo, la concordancia intermarca entre dispositivos, el impacto de diferentes reglas de repetición temporal (requerir ≥2 días positivos de 3 días consecutivos frente a un único registro positivo) sobre la reducción de falsos positivos y falsos negativos, y el valor predictivo de patrones de registro consistentes versus discordantes en el domicilio.
En la Cohorte 1 de validación en consultorio (n = 2.211), el modelo de inteligencia artificial discriminó adecuadamente a los individuos con y sin DSVI con un rendimiento global superponible entre ambos dispositivos; sin embargo, al aplicar el mismo umbral preestablecido de puntuación algorítmica, 200 participantes (el 9% de la cohorte) obtuvieron resultados discordantes entre marcas, siendo catalogados como positivos en un reloj inteligente y negativos en el otro.
En la Cohorte 2 de monitorización en el hogar (n = 146 pacientes, con una mediana de 2,4 registros diarios de ECG), de los 108 participantes que completaron al menos 5 días de trazos en la primera semana, la estrategia de exigir resultados positivos en al menos 2 de 3 días de registro consecutivos (frente a actuar tras un único registro aislado positivo) redujo a la mitad la tasa de clasificaciones falso-positivas, pasando de 18 a 9 falsos positivos entre los 70 pacientes sin DSVI confirmada (reducción del 50% en falsas alarmas).
En contrapartida, esta regla de confirmación consecutiva detectó a 31 de los 38 pacientes con DSVI confirmada por ecocardiografía, frente a 33 detectados mediante la regla de un solo día positivo, lo que implicó omitir el diagnóstico en 2 casos adicionales de disfunción ventricular.
Al analizar la totalidad de los 146 pacientes con registros domiciliarios, el 81% de aquellos que exhibieron resultados consistentemente positivos en los registros repetidos presentó DSVI confirmada por ecocardiograma, frente a solo un 6% de confirmación en los pacientes con registros consistentemente negativos. Por su parte, casi la mitad de la muestra (el 49%) presentó un patrón fluctuante o mixto con alternancia de días positivos y negativos, documentándose una prevalencia de DSVI del 40% dentro de este subgrupo con lecturas discordantes. Menos del 3% de los trazos fueron descartados por calidad técnica insuficiente.
¿Qué nos deja este estudio?
El análisis mediante inteligencia artificial de electrocardiogramas monocanales adquiridos por relojes inteligentes demostró capacidad para identificar a pacientes con disfunción sistólica del ventrículo izquierdo (FEVI ≤40%), observándose no obstante una tasa de discordancia diagnóstica del 9% entre distintas marcas comerciales durante registros simultáneos.
En el entorno ambulatorio domiciliario, la exigencia de registros positivos repetidos durante días consecutivos redujo las clasificaciones falso-positivas en un 50%, a expensas de una discreta pérdida en la sensibilidad diagnóstica, mientras que la consistencia longitudinal del algoritmo correlacionó fuertemente con la confirmación ecocardiográfica de la enfermedad.
