Respuesta rápida: CARES es un proyecto del Hospital del Mar (Barcelona) que desarrolla un sistema de alerta basado en machine learning. Estima el riesgo de autolesión o suicidio a 1, 6 y 12 meses en personas que acuden a urgencias por motivos no relacionados con la autolesión. La alerta no diagnostica: solo indica a quién conviene aplicar un cribado breve valida...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Respuesta rápida: CARES es un proyecto del Hospital del Mar (Barcelona) que desarrolla un sistema de alerta basado en machine learning. Estima el riesgo de autolesión o suicidio a 1, 6 y 12 meses en personas que acuden a urgencias por motivos no relacionados con la autolesión. La alerta no diagnostica: solo indica a quién conviene aplicar un cribado breve validado (ASQ o C-SSRS) y una valoración clínica. Es un protocolo publicado, con un prototipo aún de laboratorio. Los primeros resultados están previstos para la primavera de 2027.
El problema que intenta resolver
Muchas personas que mueren por suicidio pasan por urgencias en los meses previos. Los datos que recoge el propio protocolo son elocuentes: entre el 38,8 % y el 59,9 % de quienes mueren por suicidio habían acudido a un servicio de urgencias en los meses anteriores sin que nadie valorase su riesgo. Y cuando sí se pregunta de forma sistemática, entre el 4,6 % y el 11,6 % de los adultos que consultan por motivos no psiquiátricos refieren ideación suicida.El cribado universal mejora la detección, pero choca con tres límites que conoce cualquiera que haya hecho una guardia: falta de tiempo, interrupción del flujo de trabajo y dificultad para atender a todos los positivos que aparecen.CARES plantea una vía intermedia: que un algoritmo señale a quién merece la pena preguntar.
Qué es CARES y cómo funciona
El equipo de Montserrat López-Fernández y Philippe Mortier (Hospital del Mar Research Institute, UPF y CIBERESP) ha publicado el protocolo en JMIR Research Protocols. El proyecto está financiado por la Fundació la Marató de TV3.Los datos. Registros poblacionales de Cataluña enlazados entre sí (2014-2019): historia clínica, mortalidad del INE, variables sociodemográficas y los episodios confirmados del Código Riesgo Suicidio. En total, 2.982.736 visitas a urgencias de 603.098 pacientes.
- A quién se aplica.
Personas de 6 años o más que acuden a urgencias sin que la autolesión sea el motivo de consulta.
- Qué predice.
Autolesión intencional no letal y suicidio a 1, 6 y 12 meses del alta, usando solo información de los 12 meses previos.
- Qué ve el clínico.
Una aplicación web que muestra el riesgo en texto y gráficos, en términos absolutos y en comparación con personas de la misma edad y sexo.
Lo diferencial: el diseño participativo
Lo más interesante de CARES no es el algoritmo, sino cómo se decide su uso. Un grupo asesor formado por clínicos de los tres tipos de urgencias catalanas, personas con experiencia vivida, familiares y asociaciones de prevención del suicidio participa desde diciembre de 2024.
De su primera reunión salieron propuestas muy concretas:
- Priorizar la sensibilidad en urgencias generales, para no perder casos, y la especificidad en urgencias psiquiátricas, para evitar la fatiga por alertas.
- Añadir un horizonte de predicción de una semana, el más útil en urgencias.
- Evitar alertas perpetuas en pacientes que acuden con frecuencia.
- Presentar la herramienta como apoyo a la decisión, nunca como una escala diagnóstica.
También se debatió si compartir la puntuación de riesgo con el paciente. Unos lo ven como una forma de implicarle; otros temen que la reciba como una sentencia. Y se señaló un punto que casi ningún modelo predictivo aborda: qué ocurre después de la alerta. Sin un circuito de respuesta definido, una alerta no protege a nadie y añade carga a un servicio ya saturado.
Un ejemplo de lunes por la mañana
Una mujer de 52 años acude a urgencias por un traumatismo leve en la muñeca tras una caída en casa. En el último año consta una visita por intoxicación etílica y un cambio reciente de antidepresivo en atención primaria. Nada de esto aparece en el motivo de consulta de hoy.Con un sistema como CARES, el médico vería un aviso: riesgo superior al de mujeres de su edad. El aviso le sugiere aplicar un cribado breve validado antes del alta. No decide nada por él. Le recuerda una pregunta que, con la sala llena, probablemente no habría hecho.
Lo que todavía no sabemos
CARES no tiene aún resultados, pero el protocolo es más exigente de lo habitual. Los modelos (random forest) se validarán con el 20 % de visitas más recientes, reservadas y sin usar para entrenar.
Además del AUC, el equipo medirá tres cosas que suelen faltar:
- La calibración: si un riesgo estimado del 5 % se corresponde con un 5 % observado.
- El valor predictivo positivo, con escenarios definidos de antemano.
- La proporción de visitas que dispararían una alerta, que es la medida directa de la carga de trabajo añadida.
Quedan tres límites importantes:
- Los datos son de 2014 a 2019, anteriores a la pandemia.
- Faltan variables clave en la historia clínica: determinantes sociales, identidad de género y un registro incompleto de autolesiones y diagnósticos psiquiátricos. El propio grupo asesor advirtió de que las personas sin hogar, en situación de pobreza o sin historia clínica consolidada pueden quedar fuera del radar, justo las más vulnerables.
- Es un prototipo de laboratorio. No está conectado a la historia clínica: los datos se introducen a mano, algo difícil de encajar en un triaje. El proyecto tampoco evaluará si mejora la detección real; eso exigirá estudios posteriores.
La otra mitad del problema: Harvard y la semana después del alta
CARES busca el riesgo en quien aún no ha sido identificado. El grupo de Matthew Nock (Harvard) mira a quien ya lo está. Ha publicado en Journal of Psychopathology and Clinical Science un estudio con 619 pacientes que acudieron al hospital por ideación o conducta suicida.
- Cómo lo hicieron. Durante 3 meses respondían en el móvil una encuesta de 20 ítems, hasta 6 veces al día: casi 80.000 respuestas. Los modelos combinaron esas respuestas con datos de uso, como el tiempo que tardaban en contestar.
- Qué encontraron. Predijeron eventos relacionados con el suicidio en la semana siguiente con una sensibilidad del 87 %; para los intentos en sentido estricto, del 74 %. Es justo el horizonte de una semana que pedían los clínicos del grupo asesor de CARES.
- La señal más útil en consulta. La agitación pesó más que la tristeza. Sentirse capaz de resistir el impulso se asoció con menor riesgo.
- La cifra que la nota de prensa no destaca. El valor predictivo positivo para intentos fue de 0,16: de cada seis alertas, aproximadamente una corresponde a un intento real. Además, el modelo funcionó mejor cuando incluía datos previos de la propia persona, lo que limita su aplicación inmediata a pacientes nuevos.
Tres estudios, tres momentos del mismo problema
La semana pasada analizamos IDICIUS, del Parc Taulí (Sabadell): un modelo que estima el riesgo en pacientes ya atendidos en salud mental a partir de su historia clínica (leer el análisis).
Con CARES y el estudio de Harvard se completa el mapa:
- IDICIUS: el paciente ya está en la red de salud mental.
- CARES: pasa por urgencias por otro motivo y nadie sospecha nada.
- Nock: acaba de salir del hospital y atraviesa las semanas de mayor riesgo.Ninguno prescribe qué hacer. Los tres intentan responder a la misma pregunta: a quién mirar con más atención y cuándo.
Qué cambia para tu práctica
1. En urgencias, el motivo de consulta no descarta el riesgo.
Mientras no existan herramientas como CARES, preguntar depende de ti. Si trabajas en urgencias, este proyecto es un buen argumento para revisar si tu servicio tiene un circuito de cribado y de respuesta.
2. Tras un alta por conducta suicida, pregunta por la agitación, no solo por el ánimo.
Inquietud, tensión interna y sensación de no poder parar fueron las señales a corto plazo más consistentes en el estudio de Harvard, junto con la percepción del propio paciente sobre su capacidad de resistir el impulso.
3. Ante cualquier herramienta predictiva, pide tres cifras y una respuesta.
Sensibilidad, valor predictivo positivo y calibración. Y la pregunta que lo decide todo: qué ocurre cuando salta la alerta, quién la atiende y con qué recursos.
Fuentes
López-Fernández M, Rodríguez Valderas R, Portillo-Van Diest A, et al. Risk Alert System to Facilitate Universal Suicide Risk Screening in Emergency Care. JMIR Research Protocols 2026;15:e100498. DOI: 10.2196/100498
Nock MK, Kleiman EM, Bentley KH, et al. Using smartphone surveys to predict next-week suicide attempts. Journal of Psychopathology and Clinical Science 2026;135(7):922-932. DOI: 10.1037/abn0001117
Peña-Gómez C, Fradera M, et al., Palao D. AI Models for Suicide Risk Prediction in Adult Patients Receiving Mental Health Care Using Real-World Data. JMIR AI 2026;5:e85085. DOI: 10.2196/85085
Sigue leyendo: [IA en la clínica: estudios de la semana]([URL AL PUBLICAR]) · [IA al día: novedades técnicas de la semana]([URL AL PUBLICAR])
Elaborado con apoyo de IA y revisión clínica del equipo de Psiquiatria.com. Autoría: Marc Moreno.
7,7 créditos
Explora el artículo con IA