¿Qué midió la IA y con qué precisión predice la supervivencia?
2 a 3 segundos frente a unos 13 minutos. Esa es la distancia entre una IA que mide la función del corazón en una resonancia magnética y un especialista que hace el mismo cálculo a mano. El estudio, liderado por City St George’s (Universidad de Londres) y el University College London (UCL), se publicó el 2 de noviembre de 2026 en The Lancet Digital Health y analizó a 27.382 pacientes de Reino Unido y Estados Unidos.
Para un founder de HealthTech, el dato relevante no es que la IA gane: es que gana por poco, de forma medible y sobre una métrica que ya se usa todos los días para decidir tratamientos.
La medición en cuestión es la fracción de eyección: qué porcentaje de sangre bombea el corazón en cada latido. Según News-Medical, es el principal indicador de la capacidad de bombeo y guía decisiones como el riesgo quirúrgico, la indicación de dispositivos implantables o el seguimiento durante una quimioterapia.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →En la muestra, con un seguimiento mediano de 5,6 años durante el cual murieron 3.458 pacientes (13%), la fracción de eyección calculada por IA predijo la mortalidad por cualquier causa de forma ligera pero significativa mejor que la calculada por clínicos, incluso tras ajustar por edad y sexo.
Los números concretos, según News-Medical: sin ajustar, el modelo de IA alcanzó un C-index de 0,669 frente a 0,637 de las mediciones clínicas. Tras ajustar por edad y sexo, la brecha se estrechó a 0,781 contra 0,777. Es una mejora real, estadísticamente significativa y, en la práctica, pequeña.
¿Por qué la consistencia importa más que la velocidad?
La diferencia de tiempo es la que salta a la vista. La IA procesa cada estudio en 3 a 4 segundos por paciente; la segmentación manual tomó una mediana de 13 minutos por paciente en un estudio previo del mismo equipo, según News-Medical. Ese contraste no es un detalle de eficiencia: es capacidad instalada.
Pero el argumento más sólido del paper no es la velocidad. Es la variabilidad. La resonancia cardiaca se considera el estándar de referencia para evaluar la función cardiaca y, aun así, la segmentación manual está sujeta a variabilidad entre observadores, lo que limita la precisión de la medición, según News-Medical. Dos cardiólogos pueden mirar la misma resonancia y dar cifras distintas.
El doctor Rhodri Davies, de UCL, autor sénior e inventor de la herramienta, lo resume así: «La IA no está reemplazando a los clínicos, pero puede ofrecer mediciones más rápidas y consistentes a bajo coste». Y añade que, aunque la mejora es modesta, «incluso mejoras modestas en la precisión pueden tener un impacto significativo aplicadas a miles de pacientes».
El doctor George Joy, autor principal y lecturer clínico en City St George’s, lo plantea en términos operativos: la IA podría convertirse en la medición de primera línea, con el médico revisándola en lugar de medirla a mano. «Eso libera a los médicos para centrarse en tareas más complejas, como interpretar el resultado junto a otras pruebas y lo que significan para la salud global del paciente», dijo a Medical News Today.
¿Dónde falla la IA y qué límites tiene el estudio?
Ninguna herramienta de este tipo se adopta sin mirar sus errores, y el paper los publica.
- Tasa de error: en torno al 1% a nivel de paciente, afectando al 0,08% de las imágenes, según los datos del estudio. En una muestra aleatoria de 600 pacientes hubo 6 errores de segmentación, según News-Medical.
- Dónde se concentran: los errores fueron más frecuentes en estudios con fracciones de eyección extremas, sobre todo valores muy bajos. Cuando ocurren, la IA sobreestima o subestima la función cardiaca, y ambas cosas importan.
- Sesgo sistemático: la IA midió una mediana de 57,8% frente al 62,1% de los clínicos. El estudio no estableció cuál de las dos mediciones es más precisa anatómicamente contra un estándar de referencia independiente.
- Un subgrupo donde pierde: en pacientes con miocardiopatía hipertrófica, la medición clínica predijo mejor. Los investigadores sugieren que el algoritmo no captura del todo ciertas características anatómicas, como la hipertrabeculación y los músculos papilares agrandados.
- Diseño: es un estudio retrospectivo, basado en datos ya existentes, no un ensayo en tiempo real. La mayoría de los participantes provenía de un solo centro en Reino Unido y no se evaluó el desempeño por grupos étnicos. Varios autores declararon vínculos financieros con MycardiumAI, la empresa asociada a la tecnología de segmentación usada en el estudio.
Y el límite más importante para cualquiera que piense en comercializar algo así: el estudio midió la relación entre las mediciones de la IA y la mortalidad posterior. No demostró que introducir la IA en la práctica clínica reduzca muertes o mejore los resultados del tratamiento.
¿Qué está pasando en el resto del mercado de IA cardíaca?
El patrón de este estudio —la IA mide, el clínico interpreta— se repite en otras compañías del sector.
UltraSight, que desarrolla flujos de ecocardiografía guiada por IA, levantó US$24M en una Serie B2 liderada por Alive HealthTech Growth Fund, con co-inversión de Deep Insight, Star51 Capital, Connecticut Innovations y eHealth Ventures, según HIT Consultant. Su plataforma tiene autorización FDA 510(k) y, en un estudio publicado en JAMA Cardiology el 28 de agosto de 2026, operadores novatos lograron imágenes de grado diagnóstico para detectar estenosis aórtica moderada o mayor con 93% de sensibilidad y 96% de especificidad. La compañía estaba activa en más de 10 sitios comerciales al momento del anuncio.
AZmed, MedTech europea fundada en 2018, tiene su suite Rayvolve usada por más de 2.500 centros de salud en el mundo, según el comunicado difundido por Business Insider. Su suite fue evaluada en la revista Radiography en el mayor estudio multicéntrico publicado de IA en rayos X: 258.373 radiografías de 100 centros médicos en 26 países.
La lección común: nadie está vendiendo diagnóstico autónomo. Están vendiendo medición, priorización y flujo de trabajo, con el médico en el medio.
¿Qué significa esto para tu startup?
Tres cosas concretas.
1. El modelo comercial es «primera línea más revisión humana», no sustitución. Si construyes en salud, el producto que se adopta es el que se inserta en el flujo que el clínico ya usa. AZmed lo hace entregando sus resultados a través del marketplace de Nanox y del PACS de USARAD, para que el radiólogo no salga del sistema donde ya lee. Diseñar para DICOM y PACS vale más que tener el modelo con la mejor métrica.
2. La validación retrospectiva no vende sola. El propio equipo de Joy y Davies dice que hacen falta estudios prospectivos para establecer utilidad clínica, costo-efectividad e impacto en el paciente. Si tu pitch es «nuestro modelo predice mejor», prepárate para la siguiente pregunta: ¿mejora decisiones? Presupuesta esa validación desde el inicio, no después de la ronda.
3. Vende tiempo liberado y reducción de variabilidad, no «precisión superior». La mejora en predicción es ligera (0,781 contra 0,777 tras ajuste). Lo que sí es grande y defendible es pasar de 13 minutos a 3 segundos por estudio y eliminar el ruido entre observadores. Ese es el número que un jefe de servicio de cardiología o radiología puede defender ante su dirección.
Y una advertencia sobre el techo: la autorización regulatoria es el camino largo pero obligatorio. UltraSight y AZmed operan con clearances FDA 510(k), no con papers. En LATAM y España, donde el acceso a especialistas es más desigual, la oportunidad probablemente no esté en entrenar el próximo modelo fundacional, sino en el software que permite a un hospital sin cardiólogo de guardia medir y priorizar.
Conclusión
Este es el tipo de avance de IA médica que conviene mirar con lupa y sin épica. La mejora en predecir la supervivencia es ligera, el estudio es retrospectivo y los propios autores son los primeros en pedir validación prospectiva. Pero el encuadre es el correcto: una herramienta que hace una medición rutinaria más rápido, más barato y con menos variabilidad, probada con 27.382 pacientes y más de cinco años de seguimiento.
Para un founder, la señal es doble. Primero, el espacio de IA en imagen médica ya no se gana con un modelo mejor, sino con integración, validación regulatoria y evidencia clínica publicada. Segundo, el mercado está premiando exactamente lo contrario del hype: herramientas acotadas, medibles y con el especialista en el centro. Si tu producto libera 13 minutos por estudio, el reto —y la oportunidad— es que ese tiempo acabe en más atención al paciente y no solo en más estudios por hora.
Fuentes
- wwhatsnew (fuente original)
- Medical News Today
- News-Medical
- Knowridge
- HIT Consultant
- Business Insider
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













