Una cantidad cada vez mayor de datos acumulados se ha materializado en varios campos científicos, debido al reciente progreso tecnológico. Surgen nuevos desafíos en la explotación de estos datos y en la utilización de la valiosa información disponible. Los modelos causales son una herramienta poderosa que se puede emplear con este fin, al desvelar la estructura de las relaciones causales entre diferentes variables. La estructura causal puede permitir a los expertos comprender mejor las relaciones o incluso descubrir nuevos conocimientos. Basado en 963 pacientes con enfermedad arterial coronaria, se evaluó la robustez de la estructura causal de los polimorfismos de un solo nucleótido, teniendo en cuenta el valor del Syntax Score, un índice que evalúa la complejidad de la enfermedad. Se investigó la estructura causal, tanto a nivel local como global, bajo diferentes niveles de intervención, reflejados en el número de pacientes que fueron excluidos aleatoriamente de los conjuntos de datos originales correspondientes a dos categorías del Syntax Score, cero y positivo. Se muestra que la estructura causal de los polimorfismos de un solo nucleótido fue más robusta bajo intervenciones más suaves, mientras que en el caso de intervenciones más fuertes, el impacto aumentó. La estructura causal local alrededor del Syntax Score se estudió en el caso de un Syntax Score positivo, y se encontró que era resiliente, incluso cuando la intervención fue fuerte. En consecuencia, emplear modelos causales en este contexto puede aumentar la comprensión de los aspectos biológicos de la enfermedad arterial coronaria.