Inteligencia artificial en el diagnóstico prenatal de cardiopatías congénitas

Resumen

Objetivo: Analizar el potencial de la inteligencia artificial como herramienta de apoyo para el diagnóstico prenatal de las cardiopatías congénitas. Métodos: Se realizó una revisión integradora, cualitativa y descriptiva, en PubMed, SciELO, LILACS y Google Académico. Se utilizaron los descriptores “cardiopatías congénitas”, “diagnóstico precoz”, “diagnóstico prenatal” e “inteligencia artificial”, combinados mediante AND y OR. Se identificaron 214 estudios, de los cuales 25 integraron la muestra final. Se incluyeron artículos publicados entre 2015 y 2026, en portugués e inglés, sobre inteligencia artificial aplicada a la ultrasonografía obstétrica y ecocardiografía fetal. Resultados: Las técnicas de aprendizaje automático y aprendizaje profundo, especialmente las Redes Neuronales Convolucionales, mostraron elevada capacidad para detectar alteraciones cardíacas fetales, aumentar la sensibilidad diagnóstica, reducir la variabilidad interobservador y estandarizar la interpretación de imágenes. También se observaron mejoras en la calidad de las imágenes y en el cribado prenatal, especialmente en regiones con escasez de especialistas. Persisten limitaciones relacionadas con la validación externa, la heterogeneidad de los algoritmos y la calidad de las imágenes. Consideraciones finales: La inteligencia artificial se muestra prometedora para fortalecer el diagnóstico prenatal de las cardiopatías congénitas, aunque su incorporación clínica depende de la estandarización metodológica y de la validación de los algoritmos.