APLICACIONES DEL APRENDIZAJE AUTOMÁTICO EN CARDIOLOGÍA PARA PACIENTES OBESOS SOMETIDOS A TERAPIAS DE PÉRDIDA DE PESO: UNA REVISIÓN SISTEMÁTICA

Resumen

Esta revisión sistemática tuvo como objetivo analizar las aplicaciones y los resultados de las técnicas de aprendizaje automático (AA) en cardiología para pacientes obesos sometidos a terapias de pérdida de peso. La investigación se realizó siguiendo las directrices PRISMA 2020 y utilizó el marco PICO para formular la pregunta guía. Se realizaron búsquedas en las bases de datos PubMed, Scopus, Web of Science, ScienceDirect, SciELO y CAPES, abarcando el período de enero de 2019 a noviembre de 2025. Se identificaron 1642 registros, de los cuales 13 estudios cumplieron los criterios de elegibilidad. La calidad metodológica se evaluó mediante el instrumento QUADAS-2, que permitió identificar riesgos de sesgo y problemas de aplicabilidad. Los resultados mostraron que las técnicas de AA han transformado el diagnóstico y el pronóstico cardiovascular, especialmente a través de algoritmos supervisados ​​como las máquinas de vectores de soporte, los bosques aleatorios y las redes neuronales convolucionales, que alcanzaron una precisión superior al 90 % en la predicción de la insuficiencia cardíaca y la detección de anomalías cardíacas. Se observó un progreso significativo en la integración de datos clínicos, genéticos y de imagen, lo que permitió una mayor precisión en la estratificación del riesgo. Sin embargo, se constató la escasez de estudios específicos centrados en pacientes obesos sometidos a terapias para la pérdida de peso, lo que limita la generalización de los resultados y pone de manifiesto una importante laguna científica.