Investigadores del Instituto Politécnico Nacional (IPN) dieron a conocer la creación de un estetoscopio digital potenciado con inteligencia artificial (IA) que, según reportes oficiales, es capaz de identificar sonidos cardiacos irregulares asociados con daños a válvulas del corazón. Con una precisión estimada del 96 %, esta innovación aspira a convertirse en una herramienta de prediagnóstico accesible y autónoma.
El proyecto fue desarrollado en la Unidad Profesional Interdisciplinaria de Biotecnología (UPIBI) bajo la dirección de las doctoras Diana Bueno Hernández y José Alberto Zamora Justo, en colaboración con el estudiante de Ingeniería Biomédica Víctor Manuel Arena Cantoran, quien finaliza su formación con este proyecto. La solución combina elementos de hardware tradicionales y componentes digitales: además de la campana característica, el dispositivo integra un micrófono, un microprocesador y una pantalla tipo TFT (240 × 320 píxeles) que visualiza las señales cardiacas. No depende de conexión con computadora o dispositivo externo, pues es completamente embebido.
El sistema fue “entrenado mediante redes neuronales” para clasificar los sonidos del corazón y detectar anomalías —particularmente los ruidos conocidos como S3 y S4, ligados a condiciones de insuficiencia cardiaca o alteraciones valvulares— los cuales son más difíciles de identificar con estetoscopios convencionales. Los investigadores aclaran que la intención no es reemplazar al diagnóstico clínico por un cardiólogo, sino ofrecer una herramienta auxiliar de detección con mayor sensibilidad.
El diseño del dispositivo incluye una carcasa impresa en 3D con polímero PLA y una batería recargable de 5 V con puerto USB para su recarga. También se contempla la posibilidad de adaptar la campana para uso pediátrico, y en el futuro incorporar en la pantalla la clasificación específica del padecimiento identificado.
Los desarrolladores del proyecto anticipan que próximamente iniciarán el proceso de registro de patente, con miras a proteger la innovación y posibilitar su difusión con fines de salud pública.
Aunque en el mundo ya existen aplicaciones basadas en técnicas de machine learning y deep learning para analizar latidos cardiacos, los responsables del proyecto apuntan que muchas de esas herramientas requieren apoyo externo o procesamiento en servidores remotos, mientras que su propuesta destaca por ser “totalmente autónoma y embebida”.
Este avance, en un país donde las enfermedades cardiacas son la primera causa de muerte, tiene el potencial de fortalecer la detección temprana en zonas con acceso limitado a servicios cardiológicos. La clave, sin embargo, estará en la validación clínica rigurosa, su escalamiento, el costo final y su integración al sistema de salud.
En los próximos meses habrá que observar si este prototipo atraviesa las etapas regulatorias necesarias, cómo se comporta en estudios clínicos más amplios y de largo plazo, y si logra convertirse en un instrumento viable en hospitales, centros de salud comunitarios y entornos remotos de México. Si lo logra, podría ser un ejemplo de cómo la ciencia nacional contribuye, con innovación propia, al bienestar social.
