EchoFocus-CHD es un modelo de IA de múltiples tareas que detecta automáticamente 12 lesiones cardíacas congénitas críticas y 8 no críticas en la ecocardiografía estándar. En una cohorte externa, el modelo coincidió con la interpretación de expertos, con la promesa de extender la escasa experiencia en ecocardiografía pediátrica más allá de los centros académicos. Un ejemplo concreto de dónde la imagen asistida por IA puede aportar rápidamente valor clínico en la atención primaria y en hospitales más pequeños.
Antecedentes: El diagnóstico tardío o no detectado de la cardiopatía congénita (CC) contribuye a la mortalidad pediátrica excesiva en todo el mundo. La ecocardiografía (eco) es fundamental para el diagnóstico y la triaje de la CC, pero la interpretación por expertos sigue siendo un recurso global escaso y mal distribuido. La inteligencia artificial (IA) ofrece el potencial de democratizar el diagnóstico y ampliar la interpretación de nivel experto más allá de los grandes centros académicos, aunque su aplicación en la CC sigue siendo poco explorada. Métodos: Desarrollamos EchoFocus-CHD, un modelo habilitado con IA para la detección automatizada de 12 lesiones críticas y 8 no críticas de CC, de forma individual y como combinaciones. El resultado compuesto de CC crítica fue el punto final primario. El modelo se basa en una arquitectura multi-tarea y agnóstica a la vista (PanEcho) con un codificador transformer para mejorar el enfoque en las vistas de eco relevantes. El modelo se entrenó internamente (80 %) y se evaluó (20 %) con la primera eco por paciente del Hospital Infantil de Boston (BCH), con una evaluación adicional en una cohorte de referencia
