Antecedentes: Las enfermedades cardiovasculares asociadas a dislipidemias representan la principal causa de morbimortalidad a nivel mundial. El diagnóstico tradicional, basado en el análisis de biomarcadores lipídicos (colesterol total, LDL-C, HDL-C y triglicéridos), presenta limitaciones para predecir de manera adecuada el riesgo cardiovascular individual. Objetivo: Analizar biomarcadores emergentes que permitan caracterizar el riesgo cardiovascular de forma más precisa, junto con herramientas de inteligencia artificial y modelos de aprendizaje automático. Métodos: Se realizó una revisión bibliográfica en bases de datos como PubMed, SciELO, ScienceDirect, así como en guías clínicas y documentos de consenso disponibles en línea con el fin de recopilar la información relevante sobre nuevos biomarcadores para la valoración del riesgo cardiovascular. Resultados: Se identificaron ocho biomarcadores que permiten determinar el riesgo de enfermedad ateroesclerótica: apolipoproteína B, apolipoproteína A-I, relación ApoB/ApoA-I, lipoproteína(a), colesterol no-HDL, partículas pequeñas y densas de LDL, microARNs circulantes y variantes genéticas asociadas. Asimismo, la búsqueda permitió establecer beneficios y limitaciones del uso de tecnologías de automatización inteligente para el diagnóstico personalizado. Conclusión: La aplicación de estos biomarcadores en la práctica clínica enfrenta limitaciones asociadas a la falta de estandarización, los costos elevados y la escasa validación clínica. No obstante, el uso de herramientas inteligentes permite optimizar el proceso diagnóstico al considerar el gran volumen de casos clínicos y la variabilidad individual de cada paciente. Aun así, su integración constituye un avance relevante para la medicina de precisión, y su incorporación a la práctica podría resultar beneficiosa siempre que se evalúe de manera rigurosa su relación costo-beneficio.
