# ECG en falso color mejora la detección del riesgo cardíaco con IA

> Añadir una escala de colores diseñada con criterios clínicos a las imágenes de ECG elevó el AUC de 0,72 a más de 0,9 y estabilizó las explicaciones del modelo en una cohorte de personas con epilepsia del UK Biobank.

Oossa · 2026-11-10 · https://oossa.com/es/pseudo-colour-ecg-images-boost-ai-heart-risk-detection-and-explanations

Los investigadores entrenaron dos redes residuales idénticas con imágenes de ECG de un solo latido. Una de ellas recibió una codificación en falso color que colorea el área bajo el intervalo QT con una paleta basada en el nomograma QT, una herramienta clínica para evaluar el riesgo. El modelo que solo usaba color obtuvo valores de AUC de 0,903 y 0,914 en dos visitas del UK Biobank, mientras que el modelo monocromo se mantuvo en torno a 0,72. Con ocho técnicas de explicación, las imágenes en color permitieron localizar con mayor claridad y estabilidad la región QT de riesgo.

## Los hechos

- AUC de 0,903 y 0,914 para el modelo en color, frente a 0,719 y 0,720 para el monocromo
- Estudio publicado el 10 de noviembre de 2026

## Por qué importa

Los profesionales clínicos podrían confiar en explicaciones de ECG generadas por IA que concuerden con conocimientos establecidos de electrofisiología, lo que aumentaría la confianza en las evaluaciones automatizadas del riesgo.

## Fuentes y referencias

1. [Clinically Informed Colour Encoding Improves the Localisation and Stability of Explanations in Deep Learning ECG Models: External Validation in a UK Biobank Epilepsy Cohort](https://arxiv.org/abs/2611.09971) – arXiv cs.CV, 2026-11-10

Última actualización: 2026-11-10