Medicina de precisión en enfermedades cardiovasculares: Integración de biomarcadores, datos clínicos e inteligencia artificial para la toma de decisiones

La medicina cardiológica de precisión intenta mejorar los enfoques basados en la población mediante la aplicación de biomarcadores multiómicos, datos clínicos y inteligencia artificial (IA). Recopilar y analizar sistemáticamente la evidencia disponible sobre modelos basados en inteligencia artificial que incorporen, como mínimo, dos de los siguientes factores: biomarcadores multiómicos, datos clínicos o imágenes cardiovasculares/fenotipos vasculares, aplicables a personas de edad adulta con enfermedad o riesgo cardiovascular. Se realizó una búsqueda en PubMed/MEDLINE, Scopus, Web of Science y ScienceDirect (1 de enero de 2020-31 de marzo de 2026) de acuerdo con los criterios PRISMA 2020. Se extrajo información sobre los estudios primarios incluidos que cumplían los criterios de inclusión, y se evaluaron su validez y los riesgos de sesgo utilizando PROBAST+AI. La certeza de la evidencia se evaluó utilizando el GRADE adaptado a los modelos pronósticos. Se identificaron tres estudios que cumplían los criterios de inclusión. El estudio «CardiOmicScore» (Luo et al., 2026) informó de un C-index para ProScore de entre 0,69 y 0,82, y para MetScore de entre 0,64 y 0,74 en la predicción de seis enfermedades cardiovasculares (ECV), y una ganancia de entre 0,005 y 0,102 al combinarse con datos clínicos. El estudio «Queen of Hearts» (Carvalho et al., 2026) obtuvo una AUC de 0,94 (intervalo de confianza del 95 %: 0,92-0,95) en un registro retrospectivo multicéntrico de 1 032 pacientes para la detección de oclusión miocárdica (OMI). El modelo de predicción de ictus basado en imágenes de la retina (Govindaiah et al., 2025) informó de una AUC de 0,83 para un ictus a los cinco años y de 0,79 a los diez años. La certeza de la evidencia se clasificó como muy baja para todas las variables de resultado. Existe escasez de estudios que utilicen criterios de inclusión ambiciosos. La evidencia disponible no permite conclusiones definitivas sobre la eficacia del uso de la IA para mejorar la medicina de precisión cardiovascular. Es necesario disponer de más información sobre la validación cruzada de estos modelos en poblaciones diferentes, incluida la evaluación de la calibración y los resultados centrados en el paciente.