Esta página ha sido traducida automáticamente. Si hay alguna discrepancia, la versión en inglés es la autorizada.

Revisado: 16 de julio de 2026

El futuro del tratamiento de las enfermedades cardíacas

Por: Peter Megdal PhD

Cómo utilizar este artículo

Aviso médico: Este artículo tiene fines exclusivamente educativos y no constituye un consejo médico. Consulte siempre a su médico para obtener orientación personalizada.

Lectura fácil

Imagina que estás mirando una hermosa casa. El césped es de un verde perfecto. Las ventanas están limpias y brillantes. Desde la calle, la casa parece completamente nueva. Pero detrás de las paredes, hay un “fantasma en la máquina”. Las tuberías de agua son viejas y oxidadas. Los cables eléctricos se están deshilachando y echando chispas. No puedes ver estos problemas con solo mirar el exterior. Un día, una tubería revienta o se desata un incendio. Todos se quedan impactados. Dicen: “¡Pero la casa se veía tan bien!”.”

Esto es exactamente lo que le pasa a mucha gente y a sus corazones. Muchas personas van al médico y reciben un “certificado de buena salud”. Se sienten bien. Superan sus exámenes básicos. Su médico les dice que todo se ve “bien”. Luego, de repente, sufren un infarto cardíaco. Esto sucede porque nuestras pruebas antiguas son como mirar la casa desde la calle. Se pierden las “tuberías oxidadas” dentro de las paredes del corazón.

Hoy, estamos en el inicio de un cambio masivo. Es un “cambio de paradigma”. Esto significa que estamos cambiando la forma en que hacemos las cosas desde los cimientos. En lugar de esperar a que se inicie un “fuego” en el corazón, estamos usando la Inteligencia Artificial (IA) para encontrar el peligro años antes de que cause problemas. Estamos pasando de un mundo en el que reaccionamos al dolor a un mundo en el que podemos ver la verdad con claridad.

El peligro “oculto”: la mayoría de los ataques cardíacos no provienen de obstrucciones totales

La mayoría de nosotros pensamos que un ataque cardíaco es como el desagüe de la cocina tapado. Pensamos que un tubo se llena de “mugre” hasta que no puede pasar la sangre. En el mundo médico, este estrechamiento se llama “estenosis.”. Antes, los médicos pensaban que si una arteria estaba 90% obstruida, corrías un alto riesgo. Si solo estaba 20% obstruida, creían que estabas a salvo.

Pero aquí está el secreto aterrador: la mayoría de los ataques cardíacos no ocurren en las arterias que están más bloqueadas. Ocurren en arterias que parecen estar mayormente abiertas.

Piense en una “ampolla” dentro de la pared de una tubería. Por fuera, la tubería se ve bien. La sangre fluye a través de ella fácilmente. Pero dentro de la pared, esa ampolla está llena de “grasa” blanda. Esta grasa es muy inestable. Si esa ampolla se revienta, crea un coágulo repentino. Ese coágulo es lo que detiene la sangre y causa el ataque cardíaco. Debido a que la tubería no estaba “obstruida” antes de que la ampolla se reventara, una prueba regular diría que la persona está perfectamente bien.

Los números cuentan una historia que cada persona debería conocer:

“Los estudios de autopsia y angiográficos demuestran que aproximadamente entre el 70 y el 75% de los infartos de miocardio se producen en vasos con una estenosis inferior al 50% antes del evento índice.”

Esto significa que de cada 10 personas que sufren un ataque cardíaco, 7 u 8 habrían pasado una prueba que solo busca obstrucciones grandes. Las tuberías de su corazón estaban abiertas más de la mitad justo antes del desastre. Es por esto que “verse bien” en una prueba estándar no es suficiente.

Por qué los exámenes estandarizados pueden ser “ciegos”

Durante mucho tiempo, los médicos usaron “pruebas de estrés.” Quizás te hayas hecho una de estas pruebas. Caminas en una caminadora mientras una máquina monitorea tu corazón. Si tus arterias coronarias están 90% obstruidas, tu corazón no recibirá suficiente sangre cuando corras, y la prueba lo mostrará. Pero si tienes esas “ampollas grasosas” que solo ocupan el 30% de la arteria, la sangre sigue fluyendo bien mientras corres. La prueba de esfuerzo indicará que estás “normal”, aunque tengas un peligro oculto a punto de manifestarse.

Otra prueba común es un Puntaje de calcio. Esta prueba busca calcio duro en los conductos de su corazón. El calcio es como una “cicatriz”. Muestra que hubo daño en el pasado que ahora se ha vuelto duro como el hueso. Si bien conocer su puntuación de calcio es útil, es como mirar la cicatriz en su rodilla de hace diez años. Le dice que se lastimó, pero no le dice si tiene una herida fresca y sangrante en este momento.

En el corazón, la “grasa”placa no calcificada) es el nuevo peligro. Una persona puede tener una puntuación de calcio de cero y aun así tener un corazón lleno de grasa blanda y peligrosa. Así es como el nuevo método de IA se compara con los métodos antiguos:

Rasgo del corazón Pruebas tradicionales (como la puntuación de calcio) La nueva forma de la IA (AI-QCT)
Cicatrices duras (calcificadas) Muy fácil de ver Muy fácil de ver
Ampollas suaves y “grasosas” No se ve para nada Muy claro y fácil de ver
Grasa de alto riesgo Ciego a este peligro Lo encuentra muy fácilmente
Monto Total de Placa Solo una estimación aproximada Medición precisa (mm³)
Predicción de riesgos Estimación general Altamente preciso y personal

AI-QCT: La nueva “supervisión” de tu corazón”

Para solucionar esto, los científicos crearon una herramienta llamada AI-QCT. Ese es un nombre importante, pero piénsalo como una “Lupa digital”.”

Cuando un médico humano observa una exploración del corazón, está viendo imágenes con sus ojos. Incluso los mejores médicos pueden pasar por alto detalles diminutos. AI-QCT utiliza Inteligencia Artificial para observar las imágenes mucho más de cerca. La IA no solo mira toda la imagen; observa “píxeles 3D.” Un vóxel es como un píxel en 3D. Imagina un cubo diminuto, diminuto. La IA analiza cada uno de los cubos diminutos en las tuberías de tu corazón.

La inteligencia artificial utiliza el “aprendizaje profundo”. Esto significa que la computadora ha examinado miles y miles de otras tomografías del corazón. Ha aprendido a ver patrones que el ojo humano simplemente no puede percibir. Puede diferenciar entre el calcio duro “seguro” y la grasa blanda “peligrosa” al observar las sombras y los colores en los datos de la tomografía. No es invasiva, lo que significa que nadie tiene que introducirle tubos o cables para ver esto. La inteligencia artificial realiza la “observación” utilizando los datos de una tomografía computarizada normal.

Convirtiendo datos en una hoja de ruta: El poder de la medición

El mayor poder de la IA es que puede “cuantificar” las cosas. Esto significa que nos da un número real. En lugar de que un médico diga: “Tiene un poco de placa”, la IA puede decir: “Tiene exactamente 154 milímetros cúbicos (mm³) de placa”.”

¿Por qué importa esto? Porque no se puede arreglar lo que no se puede medir.

Cuando un médico sabe exactamente cuánta “grasa” hay en su corazón, puede crear un mejor plan. Esto se ha demostrado en grandes estudios médicos:

  • El Registro CONFIRM2: Este estudio analizó a miles de personas. Mostró que cuando la IA midió la placa, los médicos mejoraron mucho en la predicción del futuro. Su capacidad para predecir un problema cardíaco (llamada AUC) pasó de un 0,62 a un 0,75, que es mucho mayor.
  • El estudio PROMISE: En este estudio, la IA analizó las imágenes y modificó los resultados. En 41% de los casos de estrechamiento (estenosis), la IA los “reclasificó”. Esto significa que la IA determinó que la forma anterior de interpretar los resultados era errónea en 4 de cada 10 personas.
  • El Estudio CREDENCE: Esto demostró que la IA era tan buena como las costosas e invasivas pruebas en las que los médicos introducen sondas en el corazón.
  • El Estudio CERTAIN: Este estudio descubrió que el uso de la IA hizo que los médicos estuvieran mucho más “seguros” sobre qué hacer. Les ayudó a recetar el medicamento correcto y a evitar pruebas que no eran necesarias.

Esto conduce a algo llamado “tratar según objetivos”. Es como un GPS para tu corazón. Si tienes 154 mm³ de placa, comienzas un plan con dieta, ejercicio y medicamentos. Un año después, te haces otra exploración. Si la IA dice que ahora tienes 110 mm³, ¡sabes que tu plan está funcionando! Realmente puedes ver la “grasa” reduciéndose. Esto les da a los pacientes una enorme sensación de alivio y esperanza.

El siguiente nivel: TC de conteo de fotones

La tecnología está dando otro gran salto con algo llamado “tomografía computarizada de conteo de fotones” (PCCT). En el pasado, los escáneres de tomografía eran como los viejos televisores de caja. Las imágenes eran un poco borrosas. Un gran problema era el “florecimiento de calcio”. Esto es como el “resplandor” cegador de una linterna. Si tenía una pieza dura de calcio, brillaría tanto en la imagen que ocultaría la grasa blanda que está justo al lado.

Las nuevas máquinas de conteo de fotones convierten la luz directamente en electricidad. Esto hace que la imagen sea mucho más clara. Es como pasar de un televisor viejo a una pantalla de alta definición completamente nueva.

Este nuevo hardware resuelve muchos problemas:

  1. Sin más reflejos: Detiene la “floración de calcio”. La IA ahora puede ver más allá de las duras “cicatrices” para encontrar la grasa oculta.
  2. Imágenes más nítidas: Elimina el “ruido” o la borrosidad de la imagen.
  3. Mejor para más personas: En el pasado, si una persona tenía una muy rápida frecuencia cardíaca o pesaban más, las fotos estaban muy borrosas para usarlas. Estas nuevas máquinas pueden ver claramente a través de casi cualquier cosa.

Conclusión: Un futuro donde los ataques cardíacos son opcionales

Nos estamos adentrando en una nueva era. En el pasado, el cuidado del corazón era “episódico”. Esto significa que solo te revisabas el corazón de vez en cuando, o únicamente cuando sentías un dolor en el pecho. Eso es como revisar tu GPS solo después de que ya te perdiste.

Ahora pasamos al monitoreo “longitudinal”. Esto significa que rastreamos la enfermedad a medida que pasa el tiempo, como ver un mapa mientras conduces. Podemos ver las primeras señales de óxido en las tuberías años antes de que revienten. Nos enfrentamos a un gran desafío como mundo:

“Dado que las enfermedades cardiovasculares siguen siendo la principal causa de mortalidad en todo el mundo, y se proyecta que las muertes anuales superarán los 20 millones para 2030, cada vez son más necesarios métodos mejorados para identificar la aterosclerosis coronaria de alto riesgo antes de que ocurran eventos clínicos.”

Con la IA y los nuevos escáneres, muchas de esas muertes podrían evitarse. Ya no tenemos que adivinar si alguien está sano. Podemos ver la verdad. Podemos ver si la medicina está funcionando. Podemos ver el futuro.

Si pudieras ver el futuro de tu corazón hoy, ¿cambiarías tu forma de vivir mañana? Con la IA, finalmente tenemos el poder de ver ese futuro, y el poder de cambiarlo para bien.

Aviso médico: Este artículo es solo para fines educativos y no constituye asesoramiento médico. Siempre consulte a su médico para obtener orientación personal. Curing Heart Disease, LLC es un nombre comercial registrado y no implica el diagnóstico, tratamiento, cura o prevención de ninguna enfermedad. La información es únicamente educativa y no constituye asesoramiento médico. El uso de esta información es bajo su propio riesgo. Busque siempre el consejo de su médico si tiene alguna pregunta relacionada con una afección médica.

Inmersión profunda

El renacimiento tecnológico en la cardiología preventiva: inteligencia artificial, tomografía coronaria cuantitativa

Introducción

La medicina cardiovascular está experimentando un cambio de paradigma sustancial, pasando de un modelo predominantemente reactivo y guiado por los síntomas hacia un marco preventivo basado en la detección temprana y la evaluación de riesgos individualizada. En el centro de esta transición se encuentra la integración de la inteligencia artificial (IA) con la coronaria tomografía computarizada angiografía (CCTA), en particular mediante el desarrollo de ateroesclerosis tomografía computarizada cuantitativa basada en imágenes (AI-QCT). Este enfoque aborda una limitación de larga data en la cardiología: la incapacidad de las herramientas de diagnóstico tradicionales para detectar de manera confiable la enfermedad coronaria no obstructiva y rica en lípidos placa, a pesar de eso lesiones ser responsable de la mayoría de síndromes coronarios agudos y muerte súbita cardíaca eventos.

La relevancia clínica de esta limitación es sustancial. Los estudios epidemiológicos y patológicos demuestran consistentemente que la mayoría infartos de miocardio surgen de placas que no limitaban el flujo antes de la ruptura (2). Como enfermedad cardiovascular sigue siendo la principal causa de mortalidad en todo el mundo, y se proyecta que las muertes anuales superarán los 20 millones para 2030, por lo que cada vez son más necesarios métodos mejorados para identificar la aterosclerosis coronaria de alto riesgo antes de que ocurran eventos clínicos (3).

 

Evolución de la estratificación del riesgo cardíaco y la biología de la aterosclerosis

La estratificación tradicional del riesgo cardiovascular se basa en marcadores indirectos como los niveles de lípidos séricos, presión arterial, control glucémico, fumar estado y variables demográficas incorporadas en la población calculadoras de riesgo. Si bien estos modelos han demostrado ser útiles a nivel poblacional, a menudo carecen de precisión cuando se aplican a pacientes individuales, en particular a aquellos con resultados aparentemente “normales” factor de riesgo perfiles que, sin embargo, albergan una enfermedad subclínica significativa (4).

La aterosclerosis es una enfermedad inflamatoria crónica de la pared arterial en lugar de un trastorno definido únicamente por la obstrucción luminal. La placa se desarrolla dentro de la íntima y consiste en proporciones variables de lípidos, tejido fibroso, células inflamatorias y calcio. Las pruebas diagnósticas convencionales, que incluyen la prueba de esfuerzo, el electrocardiograma y la angiografía coronaria invasiva, detectan principalmente la enfermedad una vez que esta produce estenosis hemodinámicamente significativa, que por lo general se define como un estrechamiento luminal de 70% o más (5).

Perspicacia 1: Los estudios de autopsia y angiográficos demuestran que aproximadamente entre el 70 y el 75% de los infartos de miocardio se producen en vasos con menos del 50% estenosis previo al evento índice, lo que indica que la mayoría de los pacientes que experimentan síndromes coronarios agudos no habrían sido identificados como de alto riesgo únicamente mediante pruebas de esfuerzo estándar (2).

Perspicacia 2: Coronario arteria la puntuación de calcio (CACS) se desarrolló para mejorar la detección de la enfermedad subclínica mediante la identificación de placa calcificada. Sin embargo, CACS no detecta placa no calcificada, and a puntaje de calcio of zero does not exclude the presence of lipid-rich, rupture-prone lesions (6).

Insight 3: AI-QCT enables non-invasive quantification of total coronary carga de placa, incluido low-density non-calcified plaque, which has been shown to carry a higher association with future cardiovascular events than stenosis severity alone (7).

Plaque Characteristic Visibility (CACS) Visibility (Standard CCTA) Visibility (AI-QCT) Clinical Risk Profile
Placa calcificada Alto Alto Alto Generally stable; marker of chronic disease
Placa no calcificada Ninguno Qualitative / limited Quantitative / high Elevated rupture risk
Low-density plaque Ninguno Variable Alto Strong association with ACS
Total volumen de placa Ninguno Indirect estimate Precise (mm³) Strong predictor of future events

Technical Architecture of AI-Enabled Coronary Analysis

AI-QCT platforms perform voxel-level analysis of the coronary tree rather than relying on visual interpretation alone. These systems employ deep-learning architectures—including convolutional neural networks (CNNs), three-dimensional U-Net segmentation models, and VGG-derived classifiers—trained on large, curated datasets that link imaging features with invasive validation and long-term clinical outcomes (8).

Insight 4: AI-QCT begins with acquisition of high-resolution CCTA. Contemporary multi-detector CT systems, including 64- and 640-slice scanners, provide the temporal and resolución espacial necessary to minimize motion artifact and enable accurate segmentation of coronary anatomy (5).

Insight 5: Automated algorithms identify the coronary lumen and vessel wall and classify plaque components according to Hounsfield unit attenuation values, allowing differentiation of lipid-rich, fibrous, and calcified tissue (9).

Insight 6: AI-derived isquemia indices integrate plaque morphology, lesion length, vessel remodeling, and luminal geometry to estimate flow limitation, providing a non-invasive correlate of invasive reserva de flujo fraccional (FFR) (10).

Clinical Validation and Peer-Reviewed Evidence

AI-QCT has been evaluated in multiple prospective trials, registries, and comparative studies published in leading cardiovascular and imaging journals, including Journal of the American College of Cardiology, Circulation: Cardiovascular Imaging, y European Heart Journal – Cardiovascular Imaging (11).

Landmark Trials and Registries

Insight 7: El CREDENCE trial demonstrated close agreement between AI-assisted CCTA analysis and invasive angiografía coronaria cuantitativa and FFR, supporting the diagnostic accuracy of AI-QCT for identifying hemodynamically significant disease (12).

Insight 8: El Registro CONFIRM2, encompassing tens of thousands of patients across multiple countries, showed that AI-quantified plaque features identify a wide gradient of cardiovascular risk among patients with non-obstructive enfermedad de las arterias coronarias (7).

Insight 9: El Estudio CERTAIN demonstrated that AI-QCT significantly improved diagnostic certainty compared with standard interpretation, resulting in more appropriate medical therapy and fewer unnecessary downstream tests (1).

Estudio N Hallazgo clave P-value Implicancia clínica
CONFIRM2 6,550 AUC for MACE improved from 0.62 to 0.75 <0.001 Improved prognostic accuracy
CREDENCE 513 High concordance with invasive FFR <0.01 Viable non-invasive ischemia assessment
PACIFIC-1 208 AI exceeded expert readers <0.05 Reduced inter-observer variability
PROMISE (subset) 4,347 41% stenoses reclassified Reduced false positives

Preventive Cardiology Implementation and Longitudinal Disease Monitoring

Integration of AI-QCT into preventive cardiology workflows shifts the clinical focus from episodic evaluation toward longitudinal monitoring of atherosclerotic disease.

Insight 10: Quantification of total plaque burden enables objective assessment of disease progression or regression over time, facilitating a treat-to-target approach guided by serial imaging (7).

Insight 11: AI-based comparison tools permit evaluation of changes in plaque composition, including stabilization or regression of placa rica en lípidos in response to medical therapy (13).

Hardware Advances: Photon-Counting Computed Tomography

The performance of AI-QCT is dependent on the quality of input imaging data, which continues to improve with advances in CT hardware.

Insight 12: Tomografía computarizada de conteo de fotones (PCCT) systems directly convert X-ray photons into electrical signals, reducing electronic noise and calcium blooming artifacts compared with conventional energy-integrating detectors (14).

Insight 13: PCCT provides higher spatial resolution with lower radiation and contrast dose, expanding eligibility for coronary CT imaging to patients with high frecuencias cardíacas, elevated índice de masa corporal, or extensive coronary calcificación (15).

Economic and Health System Implications

The adoption of AI-enabled cardiac imaging aligns with broader healthcare trends toward value-based care and prevention.

Insight 14: Market analyses project rapid growth of AI applications in cardiology, driven by improved diagnostic efficiency and potential reductions in downstream costs associated with acute coronary events (16).

Insight 15: Early identification of high-risk plaque phenotypes may reduce myocardial infarction rates and associated healthcare expenditures by enabling earlier and more targeted intervention (17).

Conclusions and Future Directions

Preventive cardiology is increasingly transitioning toward a biologically informed model that emphasizes plaque burden and composition rather than stenosis severity alone. AI-QCT provides a reproducible, quantitative framework for assessing coronary atherosclerosis before clinical events occur.

Insight 16: Future developments are likely to include integration of agentic AI systems, longitudinal digital heart models, and multimodal data streams incorporating genomic and metabolic information (18).

Insight 17: As AI assumes a greater role in image interpretation and quantification, clinicians may increasingly focus on higher-level clinical decision-making, risk communication, and individualized therapy optimization (19).

Referencias

  1. Nurmohamed NS, Cole JH, Budoff MJ, et al. Impact of atherosclerosis imaging-quantitative computed tomography on diagnostic certainty, downstream testing, coronary revascularization, and medical therapy: the CERTAIN study. Eur Heart J Cardiovasc Imaging. 2024;25(6):857-866. doi:10.1093/ehjci/jeae029
  2. Falk E, Shah PK, Fuster V. Coronary plaque disruption. Circulation. 1995;92(3):657-671. doi:10.1161/01.cir.92.3.657
  3. Global Burden of Cardiovascular Diseases and Risks 2023 Collaborators. Global, Regional, and National Burden of Cardiovascular Diseases and Risk Factors in 204 Countries and Territories, 1990-2023. J Am Coll Cardiol. 2025;86(22):2167-2243. doi:10.1016/j.jacc.2025.08.015
  4. Lloyd-Jones DM. Cardiovascular risk prediction: basic concepts, current status, and future directions. Circulation. 2010;121(15):1768-1777. doi:10.1161/CIRCULATIONAHA.109.849166
  5. Douglas PS, Hoffmann U, Patel MR, et al. Outcomes of anatomical versus functional testing for coronary artery disease. N Engl J Med. 2015;372(14):1291-1300. doi:10.1056/NEJMoa1415516
  6. Greenland P, Blaha MJ, Budoff MJ, Erbel R, Watson KE. Coronary Calcium Score and Cardiovascular Risk. J Am Coll Cardiol. 2018;72(4):434-447. doi:10.1016/j.jacc.2018.05.027
  7. Feuchtner GM, Lacaita PG, Bax JJ, et al. AI-Quantitative CT Coronary Plaque Features Associate With a Higher Relative Risk in Women: CONFIRM2 Registry. Circ Cardiovasc Imaging. 2025;18(6):e018235. doi:10.1161/CIRCIMAGING.125.018235
  8. Oikonomou EK, Khera R. Machine learning in precision diabetes care and cardiovascular risk prediction. Cardiovasc Diabetol. 2023;22(1):259. Published 2023 Sep 25. doi:10.1186/s12933-023-01985-3
  9. Koo BK, Yang S, Jung JW, et al. Artificial Intelligence-Enabled Quantitative Coronary Plaque and Hemodynamic Analysis for Predicting Acute Coronary Syndrome. JACC Cardiovasc Imaging. 2024;17(9):1062-1076. doi:10.1016/j.jcmg.2024.03.015
  10. Nørgaard BL, Leipsic J, Gaur S, et al. Diagnostic performance of noninvasive fractional flow reserve derived from coronary computed tomography angiography in suspected coronary artery disease: the NXT trial (Analysis of Coronary Blood Flow Using CT Angiography: Next Steps). J Am Coll Cardiol. 2014;63(12):1145-1155. doi:10.1016/j.jacc.2013.11.043
  11. Beerkens FJ, Tang GHL, Kini AS, et al. Transcatheter Aortic Valve Replacement Beyond Severe Aortic Stenosis: JACC State-of-the-Art Review. J Am Coll Cardiol. 2025;85(9):944-964. doi:10.1016/j.jacc.2024.11.051
  12. Griffin WF, Choi AD, Riess JS, et al. AI Evaluation of Stenosis on Coronary CTA, Comparison With Quantitative Coronary Angiography and Fractional Flow Reserve: A CREDENCE Trial Substudy. JACC Cardiovasc Imaging. 2023;16(2):193-205. doi:10.1016/j.jcmg.2021.10.020
  13. Zaman S, Wasfy JH, Kapil V, et al. The Lancet Commission on rethinking coronary artery disease: moving from ischaemia to atheroma. Lancet. 2025;405(10486):1264-1312. doi:10.1016/S0140-6736(25)00055-8
  14. Willemink MJ, Persson M, Pourmorteza A, Pelc NJ, Fleischmann D. Photon-counting CT: Technical Principles and Clinical Prospects. Radiology. 2018;289(2):293-312. doi:10.1148/radiol.2018172656
  15. Schiebler ML, Jinzaki M, Yanagawa M, et al. Future Applications of Cardiothoracic CT. Radiology. 2025;315(3):e240085. doi:10.1148/radiol.240085
  16. Windecker S, Gilard M, Achenbach S, et al. Device innovation in cardiovascular medicine: a report from the European Society of Cardiology Cardiovascular Round Table. Eur Heart J. 2024;45(13):1104-1115. doi:10.1093/eurheartj/ehae069
  17. Undas A, Musiał J, Ząbczyk M. Antiphospholipid antibodies and atherosclerotic vascular disease: recent advances. Rheumatol Int. 2025;45(12):279. Published 2025 Nov 29. doi:10.1007/s00296-025-06050-8
  18. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. doi:10.1038/s41591-018-0300-7
  19. Shetty NS, Gaonkar M, Pampana A, et al. Association of Pathogenic/Likely Pathogenic Inherited Cardiomyopathy Variants With Heart Failure: A TOPMed Multiancestry Analysis. Mayo Clin Proc. 2025;100(11):1948-1955. doi:10.1016/j.mayocp.2025.01.021

Nota de transparencia: Esta entrada de blog fue creada con la asistencia de herramientas de inteligencia artificial. El contenido final ha sido cuidadosamente revisado y editado por el autor, quien es responsable de su precisión. La información proporcionada es únicamente para fines educativos y no constituye consejo médico.

Aplicación de IA

Calculadora de riesgo cardíaco

Calculadora educativa de riesgo cardíaco basada en antecedentes familiares con información de puntuación H, ingreso visual de árbol genealógico e informes en PDF compartibles.

Lee por qué esta aplicación es tan importante aquí.