Inteligencia artificial y arritmia cardiaca: una revisión sistemática
DOI:
https://doi.org/10.61347/ei.v5i1.234Palabras clave:
Aprendizaje profundo, arritmia cardíaca, electrocardiograma, Inteligencia ArtificialResumen
El diagnóstico de las arritmias cardíacas sigue siendo un reto clínico debido a la dependencia de la interpretación manual del electrocardiograma, la variabilidad entre evaluadores y la dificultad para identificar eventos arrítmicos complejos o intermitentes. En este contexto, la inteligencia artificial ha surgido como una alternativa prometedora para mejorar el análisis automatizado de señales cardíacas; no obstante, su impacto clínico y sus limitaciones requieren una evaluación sistemática. El objetivo de esta revisión fue analizar la aplicación de la inteligencia artificial en la detección y diagnóstico de arritmias cardíacas mediante el análisis automatizado del electrocardiograma, considerando su influencia en la precisión diagnóstica, la toma de decisiones clínicas y la eficiencia del proceso diagnóstico. Se realizó una revisión sistemática de la literatura con un enfoque cualitativo y un alcance descriptivo–analítico, siguiendo las directrices PRISMA 2020. La búsqueda en la base de datos Scopus identificó un total de 201 estudios publicados entre 2020 y 2025, de los cuales 20 fueron incluidos en el análisis final. Los resultados muestran un predominio de modelos de aprendizaje profundo, especialmente redes neuronales convolucionales, recurrentes y arquitecturas híbridas, con altos niveles de precisión, sensibilidad y exactitud, frecuentemente superiores al 95% y comparables a los de cardiólogos expertos. La implementación de estas tecnologías se asocia con diagnósticos más oportunos, detección temprana de arritmias y mayor eficiencia clínica; sin embargo, persisten limitaciones como el elevado costo computacional, la limitada validación externa, la baja interpretabilidad de los modelos y las dificultades de generalización poblacional, lo que evidencia la necesidad de una integración clínica responsable, gradual y debidamente validada.
Descargas
Citas
Aseeri, A. (2021). Uncertainty-Aware Deep Learning-Based Cardiac Arrhythmias Classification Model of Electrocardiogram Signals. Computers, 10(6), 82. https://doi.org/10.3390/computers10060082
Astudillo, V., Revelo, D., & Muñoz, J. (2024). Clasificación de arritmias cardiacas usando redes neuronales convolucionales en muestras de ECG. Revista EIA, 21(41). https://doi.org/10.24050/reia.v21i41.1719
Bai, X., Dong, X., Li, Y., Liu, R., & Zhang, H. (2024). A hybrid deep learning network for automatic diagnosis of cardiac arrhythmia based on 12-lead ECG. Scientific Reports, 14(1), 24441. https://doi.org/10.1038/s41598-024-75531-w
Carralero-Paredes, A., Suárez-León, A., Sóñora-Mengana, A., & García-Naranjo, J. (2021). Detección de arritmias a partir de la determinación de la frecuencia cardiaca con fotopletismografía. Orange Journal, 3(5), 42-52. https://doi.org/10.46502/issn.2710-995X/2021.5.05
Castro, T., Queiroz., Eduarda, M., Oliveira, T., Martins., J, Coelho, R., Magalhães, M., Parente, G, Strassacapa, C., Passaglia, R., & Lima, B. (2025). Principais tipos de arritmias cardíacas e seus manejos mais comuns. Brazilian Journal of Implantology and Health Sciences, 7(2), 2133-2149. https://doi.org/10.36557/2674-8169.2025v7n2p2133-2149
Chang, K., Hsieh, P., Wu, M., Wang, Y., Chen, J., Tsai, F., Shih, E., Hwang, M., & Huang, T. (2021). Usefulness of Machine Learning-Based Detection and Classification of Cardiac Arrhythmias With 12-Lead Electrocardiograms. Canadian Journal of Cardiology, 37(1), 94-104. https://doi.org/10.1016/j.cjca.2020.02.096
Chen, T., Huang, C., Shih, E., Hu, Y., & Hwang, M. (2020). Detection and Classification of Cardiac Arrhythmias by a Challenge-Best Deep Learning Neural Network Model. iScience, 23(3), 100886. https://doi.org/10.1016/j.isci.2020.100886
Costa, A., Franco, A., Pereira, R., Gonçalves, M., & Nubile, E. (2024). Arritmias Cardíacas: Diagnóstico, Tratamento e Prevenção. Brazilian Journal of Implantology and Health Sciences, 6(2), 348-360. https://doi.org/10.36557/2674-8169.2024v6n2p348-360
Dhanka, S., & Maini, S. (2025). A hybrid machine learning approach using particle swarm optimization for cardiac arrhythmia classification. International Journal of Cardiology, 432, 133266. https://doi.org/10.1016/j.ijcard.2025.133266
Digumarthi, J., Gayathri, V., & Pitchai, R. (2023). Cardiac arrhythmia detection from ECG signal using Siamese adversarial neural network. Multimedia Tools and Applications, 83(14), 41457-41484. https://doi.org/10.1007/s11042-023-17071-5
Estrada, M. (2024). Revisión Sistemática y Metaanálisis: Relojes Inteligentes versus Electrocardiograma Normal para la Detección de Arritmias Cardíacas. Revista Médica Cunoc, 1(1), 118-127. https://cienciacunoc.org/index.php/revmed/article/view/17
Fácila, L., Vidal, R., Benedito, M., Sempere, M., Escobar, C., & Cordero, A. (2025). Predicción de morbimortalidad mediante inteligencia artificial aplicada al electrocardiograma: Un metanálisis. REC: CardioClinics, 60(4), 263-274. https://doi.org/10.1016/j.rccl.2025.07.001
Jamil, S., & Rahman, M. (2022). A Novel Deep-Learning-Based Framework for the Classification of Cardiac Arrhythmia. Journal of Imaging, 8(3), 70. https://doi.org/10.3390/jimaging8030070
Prado, V., Soares, E., Pezzi, S., Pinto, N., Dinizi, M., Gomes, D., Machado, N., Venero, A., Martínez, G., Machado, L., & Oliveira, H. (2025). Arritmia cardíaca e sua relação com o transtorno de pânico: Mecanismos, diagnóstico e abordagens terapêuticas. Cuadernos de Educación y Desarrollo, 17(5), e8469. https://doi.org/10.55905/cuadv17n5-123
Khatar, Z., Bentaleb, D., & Bouattane, O. (2024). Advanced detection of cardiac arrhythmias using a three-stage CBD filter and a multi-scale approach in a combined deep learning model. Biomedical Signal Processing and Control, 88, 105551. https://doi.org/10.1016/j.bspc.2023.105551
Lin, W., Lin, C., Liu, W., Liu, W., Chang, C., Chen, H., Lee, C., Chen, Y., Wu, C., Lee, C., Wang, C., Liao, C., & Lin, C. (2025). Development of an Artificial Intelligence-Enabled Electrocardiography to Detect 23 Cardiac Arrhythmias and Predict Cardiovascular Outcomes. Journal of Medical Systems, 49(1), 51. https://doi.org/10.1007/s10916-025-02177-0
Felipe, A., & Trindade, M. (2025). Detecção De Arritmias Cardíacas: Abordagem Da Derivação I Com Redes Neurais Híbridas. Revista Interfaces: Saúde, Humanas e Tecnologia, 12(4). https://doi.org/10.16891/2317-434X.v12.e4.a2024.pp4585-4600
Mogili, R., & Narsimha, G. (2022). A novel weighted approach for automated cardiac arrhythmia beat classification using convolutional neural networks. International Journal of Advanced Technology and Engineering Exploration, 9(95). https://doi.org/10.19101/IJATEE.2021.876071
Mohebbanaaz, Y., & Kumari, L. (2025). A novel inference system for detecting cardiac arrhythmia using deep learning framework. Neural Computing and Applications, 37(16), 9759-9775. https://doi.org/10.1007/s00521-025-11092-x
Oliveira, M., Lima, G., Santos, G., Vidal, G., Donato, M., Andrade, C., Silva, A., Neves, G, Santos, E., Guerra, J., Fernandes, H., Alves, L.., Laurindo, T., Lessa, L., & Neto, A. (2025). Inteligência Artificial na cardiologia: Uma revisão das aplicações no diagnóstico e prevenção de doenças cardiovasculares. CONTRIBUCIONES A LAS CIENCIAS SOCIALES, 18(3), e16021. https://doi.org/10.55905/revconv.18n.3-032
Pandey, S., Kumar, D., & Lal, B. (2025). Advanced detection of cardiac arrhythmias using machine learning algorithms on ECG data. Neural Computing and Applications, 37(32), 27381-27413. https://doi.org/10.1007/s00521-025-11681-w
Patiño, D., Medina, J., Silva, R., Guijarro, A., & Rodríguez, J. (2023). Prediction of Arrhythmias and Acute Myocardial Infarctions using Machine Learning. Ingenius, 29, 79-89. https://doi.org/10.17163/ings.n29.2023.07
Pinto, M. (2025). Aplicabilidade de Algoritmos de Aprendizado de Máquina no Diagnóstico de Arritmias – Quanto Tempo Até a Máquina Começar a nos Ensinar? Arquivos Brasileiros de Cardiologia, 122(8), e20250405. https://doi.org/10.36660/abc.20250405
Pratima, A., Gopalakrishna, K., & Prasad, S. (2025). A Comparative Analysis of Advanced Deep Learning Techniques for Accurate Cardiac Arrhythmia Classification. Engineering, Technology & Applied Science Research, 15(4), 25008-25013. https://doi.org/10.48084/etasr.11333
Reznichenko, S., Whitaker, J., Ni, Z., & Zhou, S. (2025). Comparing ECG Lead Subsets for Heart Arrhythmia/ECG Pattern Classification: Convolutional Neural Networks and Random Forest. CJC Open, 7(2), 176-186. https://doi.org/10.1016/j.cjco.2024.10.012
Sager, S., Bernhardt, F., Kehrle, F., Merkert, M., Potschka, A., Meder, B., Katus, H., & Scholz, E. (2021). Expert-enhanced machine learning for cardiac arrhythmia classification. PLOS ONE, 16(12), e0261571. https://doi.org/10.1371/journal.pone.0261571
Salinas-Arce, J., Alca-Clares, R., Gonzales-Luna, A., Cabrera-Saldaña, M., Mendoza-Novoa, P., Solórzano-Altamirano, P., & Guevara-Valdivia, M. (2022). Las arritmias en la amiloidosis cardiaca. Archivos Peruanos de Cardiología y Cirugía Cardiovascular, 3(2), 82-97. https://doi.org/10.47487/apcyccv.v3i2.217
Sampaio, F., Bacca, L, Branco, D, Lamb, I., & Weber, J. (2024). Transtornos de condução e arritmias cardíacas: Aspectos fisiológicos, diagnósticos e terapêuticos. Brazilian Journal of Health Review, 7(9), e75978. https://doi.org/10.34119/bjhrv7n9-400
Santander, F., Hernández, N., Seck Tuoh, J., Medina, J., Barragán, I., & Anaya, G. (2023). A Novel Hybrid Model Based on Convolutional Neural Network With Particle Swarm Optimization Algorithm for Classification of Cardiac Arrhythmias. IEEE Access, 11, 55515-55532. https://doi.org/10.1109/ACCESS.2023.3282315
Silva, S., Lopes, T., & Moura, E. (2024). AVANÇOS RECENTES NO DIAGNÓSTICO E TRATAMENTO DAS ARRITMIAS. Periódicos Brasil - Pesquisa Científica, 3(2), 69-77. https://doi.org/10.36557/pbpc.v3i2.42
Marinho, R., Xiao, J., Aimi, N., Borela, J., Machado, A., Lima, S., Vilharba, É., Marambaia, R., Rodrigues, V., Ferreira, J., Barros, R., Virgens, G., Gonçalves, K., & Oliveira, J. (2024). Avaliação e manejo de arritmias cardíacas em crianças: Uma revisão. Brazilian Journal of Implantology and Health Sciences, 6(3), 27-35. https://doi.org/10.36557/2674-8169.2024v6n3p27-35
Soto-Becerra, R., Taype-Rondan, Á., Cabrera-Saldaña, M., Guevara-Caicedo, C., Zelaya-Castro, P., Medina-Maguiña, J., Huerta-Robles, R., Junes-Gonzales, W., Aráoz-Tarco, O., Sangines-Montes, A., & Zegarra-Carhuas, R. (2021). Ablación de arritmias cardiacas empleando un sistema de mapeo electroanatómico tridimensional en el Instituto Nacional Cardiovascular—INCOR. Archivos Peruanos de Cardiología y Cirugía Cardiovascular, 2(3), 150-158. https://doi.org/10.47487/apcyccv.v2i3.147
Tuay, D. (2021). Desarrollo de un sistema para clasificación de patologías cardiovasculares en señales electrocardiográficas (ECG) aplicando inteligencia artificial y cloud computing [Trabajo de Grado]. Universidad de Pamplona, Repositorio Hulago Universidad de Pamplona. http://repositoriodspace.unipamplona.edu.co/jspui/handle/20.500.12744/713
Vale, V., Sossi, L., Camara, F, Oliveira, F., Borges, G., Castro, H., Vieira, H., Vieira, I. A., & Pontes, H. (2021). Arritmias: Classificação e manejo em crianças / Arrhythmias: Classification and management in children. Brazilian Journal of Health Review, 4(2), 4475-4492. https://doi.org/10.34119/bjhrv4n2-040
Wang, W., Deng, G., Wu, G., Ye, Z., Wei, G., Lu, X., & Li, B. (2025). A 900-nW Wearable Interpatient Cardiac Arrhythmia Monitoring Processor With a Feature Engine-Based Artificial Neural Network. IEEE Internet of Things Journal, 12(14), 26328-26342. https://doi.org/10.1109/JIOT.2025.3561749
Yildirim, O., Talo, M., Ciaccio, E., Tan, R., & Acharya, U. (2020). Accurate deep neural network model to detect cardiac arrhythmia on more than 10,000 individual subject ECG records. Computer Methods and Programs in Biomedicine, 197, 105740. https://doi.org/10.1016/j.cmpb.2020.105740
Yoo, J., Jun, T., & Kim, Y. (2021). xECGNet: Fine-tuning attention map within convolutional neural network to improve detection and explainability of concurrent cardiac arrhythmias. Computer Methods and Programs in Biomedicine, 208, 106281. https://doi.org/10.1016/j.cmpb.2021.106281
Zhang, H., Liu, C., Tang, F., Li, M., Zhang, D., Xia, L., Zhao, N., Li, S., Crozier, S., Xu, W., & Liu, F. (2022). Cardiac Arrhythmia classification based on 3D recurrence plot analysis and deep learning. Frontiers in Physiology, 13, 956320. https://doi.org/10.3389/fphys.2022.956320
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Alexander David Sandoval Vela, Diego Paul Corrales Vargas, Jorge Luis Choca Alcocer, María Augusta Chafla Romero
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
