La Universidad Nacional prueba en Colombia un vigilante de IA para el corazón: 98,7% de acierto, aún sin validar en pacientes

Por Zendoric · 22 de julio de 2026.

Un equipo de la Universidad Nacional de Colombia (UNAL), sede Manizales, prueba un sistema que combina pulseras inteligentes, sensores no invasivos y modelos de inteligencia artificial para vigilar el riesgo cardiovascular y cerebrovascular desde el hogar. Según sus responsables, en pruebas preliminares los modelos clasificaron correctamente las alertas de riesgo en un 98,7% de los casos. El dato es llamativo, pero conviene leerlo con cautela: es preliminar y el propio equipo aclara que el sistema sigue en proceso de validación con información de pacientes reales, no un resultado cerrado.

El proyecto —bautizado "Sistema de monitoreo en casa basado en IoT e IA para el tratamiento de enfermedades cardio-cerebrovasculares"— lo lidera la profesora Elisabeth Restrepo Parra, directora del Centro de Desarrollo Tecnológico Innterfaz de la Facultad de Ciencias Exactas y Naturales, con Luis Eduardo López Betancur como coordinador técnico. Arrancó en 2022 y hoy se valida en Caldas y Atlántico, dos departamentos con alta carga de enfermedad cardiovascular: Atlántico registra una prevalencia de hipertensión del 11,15%, una de las más altas del país, y Caldas presenta 8,59% de prevalencia con una mortalidad por enfermedades del corazón de 140 casos por cada 100.000 habitantes, según datos del propio equipo investigador.

El contexto epidemiológico explica por qué el proyecto importa. Las enfermedades cardiovasculares y cerebrovasculares causan cerca del 31% de las muertes anuales en el mundo —unos 17 millones de personas—, y en Colombia más de 4,5 millones de personas fueron diagnosticadas con hipertensión arterial solo entre 2019 y 2020, según cifras citadas en el propio reporte de la UNAL. El sistema se dirige inicialmente a mayores de 64 años, uno de los grupos de mayor riesgo: en esa población, casi una de cada tres muertes en Colombia se relaciona con estas patologías.

En términos técnicos, las pulseras y sensores registran frecuencia cardíaca, saturación de oxígeno y actividad física, que se combinan con variables como edad, antecedentes familiares, presión arterial, hábitos de vida y consumo de alcohol o tabaco. Entre los modelos evaluados, LightGBM —un algoritmo de aprendizaje automático basado en árboles de decisión, más ligero que una red neuronal profunda y habitual en este tipo de clasificación tabular— ha mostrado el mejor desempeño hasta ahora. El propio investigador López es explícito sobre los límites: "esto nunca reemplazará a un médico"; la plataforma no diagnostica, solo avisa cuándo conviene consultar.

Esa honestidad metodológica es, precisamente, lo que hay que exigir a cualquier sistema de IA clínica antes de aplaudir la cifra. Un 98,7% de acierto en clasificación de alertas puede sonar espectacular, pero en salud las alertas de riesgo suelen ser eventos minoritarios: si la inmensa mayoría de las mediciones corresponden a "sin riesgo", un modelo puede acertar mucho en conjunto y aun así fallar en detectar los pocos casos que sí importan. Lo que habría que conocer —y el proyecto aún no lo ha publicado con datos de pacientes reales a escala— es la sensibilidad real del sistema: cuántas alertas verdaderas detecta de las que ocurren, no solo cuántas clasifica bien en total. Es la diferencia entre un titular prometedor y una herramienta clínicamente fiable.

Dicho esto, el enfoque encaja con una tendencia de fondo que ya hemos señalado en salud digital: el cuello de botella de la IA médica no suele ser que el modelo exista, sino que encaje en el flujo real de atención. Aquí el equipo lo ha entendido bien, buscando activamente alianzas con el Centro de Bioinformática y Biología Computacional (BIOS), la Universidad de Caldas, el Hospital Universitario de Caldas y Unisalud para construir una red de conocimiento en salud digital, en vez de quedarse en un prototipo de laboratorio. Ese es el paso que decide si un sistema de "telehomecare" —cuidado asistencial remoto que reduce desplazamientos a centros médicos— se queda en publicación académica o llega a cambiar algo en la vida de un paciente hipertenso en Manizales o Barranquilla.

Es también un ejemplo de por qué nuestra tesis de fondo sobre la IA y la salud tiene sentido incluso cuando el desarrollo es modesto y local. La promesa de largo plazo no es solo la superinteligencia que cure el cáncer mañana: es esta acumulación de sistemas de monitoreo continuo, baratos y no invasivos, que detectan a tiempo lo que hoy se detecta tarde. Prevenir un ataque cardíaco con una alerta generada desde una pulsera es, en pequeña escala, el mismo principio que sostiene la idea de una vida más larga y más sana para más personas. Pero ese horizonte solo se cumple si proyectos como este superan la fase de validación con rigor, publican sus métricas completas y no confunden un resultado preliminar con una garantía clínica.