Introducción
José M. de la Torre Hernández
Presidente del Comité Científico del Congreso. Vicepresidente de la SEC
Comités ejecutivo, organizador y científico
Comité de selección de comunicaciones
Listado completo de comunicaciones
Índice de autores
Introducción y objetivos: El infarto agudo de miocardio sin lesiones coronarias obstructivas (MINOCA) representa un reto diagnóstico. La cardiorresonancia magnética (CRM) es crucial para determinar la etiología, aunque su disponibilidad sigue siendo limitada. El objetivo de este estudio es evaluar el rendimiento diagnóstico de la CRM en práctica clínica real en pacientes con MINOCA, así como desarrollar un umbral de troponina con la máxima sensibilidad diagnóstica, y un modelo predictivo para mejorar la predicción diagnóstica.
Métodos: Estudio observacional retrospectivo de pacientes ingresados con diagnóstico de MINOCA entre 2018 y 2025, a quienes se realizó una CRM en un máximo de 30 días. Se analizaron las características clínicas y de imagen mediante estadística descriptiva, y se evaluaron las diferencias entre grupos diagnósticos mediante regresión lineal y logística simples (Tabla). Se identificó un umbral óptimo del cociente TnUS/LSR (troponina ultrasensible/límite superior de referencia) para maximizar la sensibilidad diagnóstica, a través del análisis ROC. Posteriormente, se desarrolló un modelo predictivo individual mediante regresión logística multivariante para estimar la probabilidad de alcanzar un diagnóstico definitivo mediante CRM. La capacidad diagnóstica del modelo se evaluó también mediante curva ROC (Figura).
Resultados: Se incluyeron 93 pacientes, 47% mujeres, con una edad media de 57 años. La CRM permitió establecer el diagnóstico definitivo en el 54% de los casos, siendo las etiologías más frecuentes la miocarditis (32%) y el síndrome coronario agudo (28%). Se identificaron como predictores independientes en el análisis de regresión logística multivariante el cociente TnUS/LSR (cuantitativo), la presencia/ausencia de anomalías regionales por ecocardiograma y un umbral dicotómico de TnUS/LSR #1 7, seleccionado por su máxima sensibilidad diagnóstica (S: 94%, E: 28%) según el análisis ROC. El modelo predictivo, que incluyó estas tres variables, mostró una elevada capacidad predictiva sin colinealidad (AUC 0,87 IC95% 0,79-0,94 p < 0,037; VIF 1), permitiendo estimar de forma individualizada la probabilidad de diagnóstico mediante CRM (Figura).
|
Características clínicas y de imagen de la muestra global y de cada diagnóstico |
|||||||
|
Variable |
Muestra global (n = 93) |
No diagnóstico (n = 43) |
SCA (n = 14) |
Miocarditis (n = 16) |
STK (n = 8) |
Miocardiopatía (n = 12) |
p |
|
Sexo masculino (%) |
49 (53%) |
21 (49%) |
9 (64%) |
7 (44%) |
5 (63%) |
7 (59%) |
0,738 |
|
Edad (años); media ± DE |
57 ± 15 |
60 ± 17 |
52 ± 16 |
55 ± 12 |
61 ± 21 |
58 ± 10 |
0,499 |
|
Hipertensión arterial n (%) |
44 (47%) |
18 (42%) |
6 (43%) |
7 (44%) |
8 (100%) |
5 (42%) |
0,032 |
|
Diabetes mellitus n (%) |
16 (17%) |
7 (16%) |
2 (14%) |
4 (25%) |
2 (25%) |
1 (8%) |
0,773 |
|
Dislipemia n (%) |
34 (37%) |
17 (40%) |
5 (36%) |
6 (38%) |
4 (50%) |
2 (17%) |
0,594 |
|
Antecedentes familiares |
9 (10%) |
6 (14%) |
1 (7%) |
2 (13%) |
0 (0%) |
0 (0%) |
0,705 |
|
ECG patológico |
74 (80%) |
32 (74%) |
12 (86%) |
12 (75%) |
8 (100%) |
10 (83%) |
0,574 |
|
Pico TnUS; p50 (p25-p75) |
1.212 (180-5.023) |
320 (115-1.283) |
8.216 (3.383-10.640) |
4.417 (829-19.650) |
3.733 (1.513-14.274) |
495 (136-2.981) |
0,000 |
|
FEVI; p50 (p25-p75) |
61 (57-66) |
64 (60-68) |
58 (53-62) |
60 (44-63) |
66 (46-78) |
61 (57-70) |
0,045 |
|
Anomalías regionales |
22 (24%) |
1 (2%) |
9 (64%) |
4 (25%) |
4 (50%) |
4 (33%) |
0,000 |
|
Realce tardío de gadolinio |
35 (38%) |
0 (0%) |
14 (100%) |
13 (81%) |
1 (13%) |
7 (58%) |
0,000 |
|
Edema |
29 (31%) |
0 (0%) |
11 (79%) |
12 (75%) |
6 (75%) |
0 (0%) |
0,000 |
|
SCA: síndrome coronario agudo; STK: síndrome tako-tsubo. |

Curva ROC y probabilidad de diagnóstico por RMC estratificada por terciles.
Conclusiones: La CRM permitió establecer el diagnóstico definitivo en el 54% de los pacientes con MINOCA. El modelo predictivo permitió estratificar la probabilidad individual de diagnóstico y mejorar la selección de pacientes candidatos a CRM.