El corazón da señales de aviso, pero son tan sutiles que hasta ahora pasaban inadvertidas entre los millones de datos que generan los desfibriladores implantables. El Centro Nacional de Investigaciones Cardiovasculares Carlos III (CNIC) ha desarrollado un modelo de análisis de la señal eléctrica cardíaca capaz de identificar los periodos de mayor riesgo de arritmia grave en personas con un desfibrilador implantable. La investigación se ha publicado en Circulation: Arrhythmia and Electrophysiology.
Un problema sin resolver
Miles de pacientes con insuficiencia cardíaca llevan hoy un desfibrilador automático implantable (DAI). Estos dispositivos detectan y tratan arritmias graves, a veces mediante una descarga eléctrica, en pacientes con riesgo de muerte súbita. Aunque salvan vidas, las descargas no son inocuas, y saber cuándo un paciente entra en un periodo de mayor vulnerabilidad sigue siendo una necesidad sin resolver.
El estudio muestra que los cambios progresivos en las señales eléctricas que registran estos dispositivos, y que se transmiten periódicamente y a distancia al hospital, permiten determinar de forma dinámica el riesgo de fibrilación ventricular, la arritmia cardíaca más peligrosa. Los autores proponen un cambio de paradigma: en lugar de reaccionar cuando la arritmia ya ha aparecido, el desfibrilador podría ayudar a anticipar cuándo está a punto de producirse.
De los modelos animales a 7.000 pacientes
El equipo partió de una premisa sencilla: a medida que empeora la insuficiencia cardíaca, aumenta la presión dentro del corazón, sus paredes se distienden más y se altera la propagación del impulso eléctrico. Lo probaron en modelos animales con un desfibrilador implantable. Los resultados mostraron que, al avanzar la enfermedad, la señal eléctrica local se debilitaba y la activación ventricular se enlentecía. Al final del seguimiento, estos cambios se asociaron a un riesgo mucho mayor de fibrilación ventricular que en el grupo control sin enfermedad.
Después, los investigadores usaron esos hallazgos para entrenar una red neuronal, un tipo de inteligencia artificial capaz de reconocer patrones, con registros remotos de la actividad eléctrica cardíaca de 5.089 pacientes de 50 hospitales españoles. El modelo se validó en siete centros nacionales con una cohorte independiente de 2.040 pacientes que llevaban dispositivos de otro fabricante.
Cómo funciona la puntuación de riesgo
- El modelo sigue la evolución de la señal eléctrica y de las extrasístoles ventriculares.
- Genera una puntuación de riesgo de 0 a 100 que se actualiza con cada transmisión.
- En los pacientes que acabaron sufriendo fibrilación ventricular, la puntuación subió en los meses previos al evento; en el resto se mantuvo estable.
La herramienta predijo los eventos arrítmicos mejor que la valoración basada en variables clínicas y demográficas, como la edad o los antecedentes médicos.
Qué dicen los investigadores
«A diferencia de otros algoritmos, nuestro modelo se basa en la fisiopatología de la insuficiencia cardíaca, por lo que sus predicciones tienen un significado clínico que los médicos pueden interpretar», explica el doctor David Filgueiras-Rama, cardiólogo del Hospital Clínico San Carlos de Madrid y coordinador del estudio.
Por su parte, el doctor Jesús Diz Díaz, investigador del CNIC y primer autor junto al doctor José María Lillo Castellano, señala que la herramienta usa información que los desfibriladores ya envían al hospital, de modo que podría incorporarse a las plataformas de monitorización remota sin implantar ningún dispositivo adicional. Eso podría ayudar a adelantar revisiones o ajustar el tratamiento en los periodos de mayor riesgo.
Hacia una cardiología más preventiva
Según los autores, el avance abre la puerta a una cardiología más personalizada y preventiva. En el futuro, los especialistas podrían recibir alertas automáticas cuando el perfil eléctrico de un paciente muestre un aumento marcado del riesgo, lo que permitiría una atención más individualizada y decisiones más tempranas.
La relevancia del trabajo va más allá de la tecnología: demuestra que la información necesaria para anticipar algunas arritmias potencialmente mortales ya está presente en los millones de transmisiones remotas que generan a diario estos dispositivos. La clave está en interpretarla correctamente. Conviene recordar que se trata de una herramienta en desarrollo y que su uso en la práctica clínica requerirá más validación.
La monitorización cardíaca remota avanza también fuera de los hospitales; hemos hablado de ello en el riesgo cardiovascular tras dejar los agonistas GLP-1 en la diabetes tipo 2, otro ejemplo de cómo el seguimiento de los datos del paciente puede cambiar las decisiones clínicas.
Fuente: Dynamic risk assessment of severe ventricular arrhythmia in patients with implantable defibrillators and reduced left ventricular ejection fraction, Circulation: Arrhythmia and Electrophysiology (2026). DOI: 10.1161/CIRCEP.125.015093. Centro Nacional de Investigaciones Cardiovasculares.






