Un estudio publicado en 2026 en el Journal of the American College of Cardiology revela que una técnica de inteligencia artificial llamada Virtual Native Enhancement o VNE puede detectar esas cicatrices sin usar gadolinio, el contraste que suele inyectarse antes de una resonancia cardíaca.
El hallazgo, impulsado por un equipo de la Universidad de Oxford, abre una oportunidad para simplificar ciertos estudios. La VNE reconstruye la información que normalmente aporta el contraste a partir de imágenes tomadas antes de administrarlo.
Hasta ahora, el realce tardío con gadolinio, una técnica que ilumina el tejido dañado varios minutos después de aplicar contraste, era la referencia para ver la fibrosis, el tejido endurecido que deja una lesión. Ese mecanismo permite separar las zonas sanas de las que sufrieron un infarto.
Una especie de interruptor para ver la cicatriz
La clave puede entenderse con una analogía doméstica. Una resonancia convencional funciona como una habitación con luz apagada: para encontrar una mancha en la pared, se enciende una lámpara especial, el gadolinio, que hace resaltar las zonas dañadas.
La VNE intenta encender esa luz de forma virtual, sin llevar la lámpara al cuerpo. La inteligencia artificial observa el “cableado” de imágenes previas y calcula dónde estaría la señal que deja el contraste. No adivina desde cero: aprende patrones visibles en el movimiento del corazón y en los mapas T1, imágenes que miden propiedades internas del tejido sin inyección.
El estudio incluyó a 136 pacientes, con una edad media de 62 años. Todos realizaron resonancias convencionales y, después, los investigadores generaron reconstrucciones VNE utilizando solamente los datos obtenidos antes del gadolinio.
Además, el análisis buscó evitar un sesgo sencillo pero importante. Quienes revisaron las imágenes creadas por la IA desconocían la historia clínica de cada paciente y los resultados de la resonancia convencional. Cuatro especialistas compararon ambos métodos de forma independiente.
En los estudios con calidad suficiente para emitir un diagnóstico fiable, la VNE alcanzó una precisión del 94,4% para detectar infartos. Al considerar las 136 pruebas, incluidas las imágenes menos claras, la precisión fue del 87,5%.
La pieza clave no fue solo identificar la presencia de una cicatriz. La estimación de su tamaño mostró una correlación de 0,90 con el método habitual, una coincidencia muy alta, y el acuerdo para ubicar los territorios afectados del corazón llegó al 90%.
Menos contraste, no menos control médico
Los cuatro lectores consideraron que el 69,7% de los pacientes podría evitar la fase posterior con gadolinio. En ese grupo, la precisión media fue casi idéntica: 93,7% con VNE frente a 93,9% con la resonancia convencional.
Esto podría acortar ciertas evaluaciones a unos diez minutos, reducir costes y ampliar el acceso a la resonancia cardiovascular. También importa para las personas con daño renal grave, ya que la FDA advierte precauciones con el gadolinio por el riesgo de fibrosis sistémica nefrogénica, una enfermedad poco frecuente que puede afectar piel y órganos.
Sin embargo, la técnica no elimina el contraste para todos los casos. La investigación se centró en cicatrices de infartos crónicos y propone a la VNE como un interruptor de selección: ayudar a decidir quién puede prescindir del gadolinio y quién todavía necesita esa luz adicional.
Antes de llegar a todos los hospitales, hará falta validarla en otras poblaciones y escenarios clínicos. Pero el engranaje ya está en marcha: una imagen tomada sin contraste podría ofrecer, para muchos pacientes, una ventana más simple hacia las huellas que deja el corazón.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
