Esta semana, la evidencia sobre IA en salud mental se mueve en dos direcciones opuestas: por un lado, estudios que muestran dónde falla la IA cuando se le pide hacer un trabajo clínico fino (puntuar una escala, sustituir criterio humano); por otro, dónde puede aportar sin sustituir nada (monitorización pasiva, formación). Repasamos los 4 estudios que más ...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Esta semana, la evidencia sobre IA en salud mental se mueve en dos direcciones opuestas: por un lado, estudios que muestran dónde falla la IA cuando se le pide hacer un trabajo clínico fino (puntuar una escala, sustituir criterio humano); por otro, dónde puede aportar sin sustituir nada (monitorización pasiva, formación).
Repasamos los 4 estudios que más importan para tu consulta esta semana.
1. ChatGPT puntuando la escala de Hamilton: fiable en el total, no en los detalles
Un equipo de Taiwán (China Medical University, Chi Mei Medical Center) sometió a ChatGPT-4o a un ejercicio muy concreto: puntuar la Escala de Hamilton para la Depresión (HAMD-21) a partir de transcripciones de entrevistas con pacientes estandarizados, y comparar sus puntuaciones con las de tres expertos.
El resultado tiene dos lecturas. En la puntuación total, ChatGPT logró una fiabilidad buena-excelente (ICC=0,974 frente a 0,992 de los expertos) — a primera vista, casi a la altura de un evaluador humano. Pero al bajar al detalle, la historia cambia: los expertos lograron acuerdo perfecto en 11 de los 21 ítems individuales; ChatGPT, solo en 2.
El modelo tendía a sobreestimar sistemáticamente los ítems de insomnio y síntomas somáticos, y a veces calculaba mal el total pese a puntuar bien cada ítem por separado.
Por qué importa: si en tu consulta o servicio alguien está probando IA para agilizar la puntuación de escalas, este estudio da la respuesta operativa: puedes usar el total como orientación rápida, pero nunca como sustituto de tu propia revisión ítem a ítem — especialmente en insomnio y síntomas somáticos, donde el modelo tiende a inflar la puntuación. Es la diferencia entre "usar la IA para ahorrar tiempo en el primer pase" y "confiar en la IA para decidir". Si tu equipo evalúa herramientas de IA para cribado o seguimiento, exige siempre el desglose por ítem, no solo la cifra final — es donde se esconde el error.
Fuente: Chang CH, Cheng SW, Chen WJ, et al. "A Cautious Integration With AI in the Clinic: A Standardized-Patient Pilot Study of ChatGPT's Reliability in Hamilton Depression Rating Scale Scoring." Alpha Psychiatry, 2026;27(4):51483. DOI: 10.31083/AP51483
2. Dependencia a chatbots de IA en universitarios: primera escala validada en español — con datos de Paraguay
Un equipo de Paraguay, con colaboración de investigadores de Chile y Brasil, ha validado la primera escala en español para medir la dependencia a chatbots de IA: la Artificial Intelligence Chatbot Dependence Scale (AICDS). El estudio, con 200 universitarios de Santa Rosa del Aguaray (Paraguay), encontró una estructura de un solo factor con buena consistencia interna (α de Cronbach = 0,833).
El dato que sorprende es lo que no encontraron: aunque los estudiantes con síntomas de ansiedad puntuaban algo más alto en dependencia a chatbots, la asociación era débil y dejó de ser significativa al ajustar por otras variables. Con la depresión, no hubo asociación en absoluto.
Por qué importa: te da algo muy concreto que hacer la próxima vez que un paciente joven te hable de "estar todo el día hablando con el ChatGPT": una escala validada en español con la que medir, no solo intuir, si hay un patrón de dependencia. Y el hallazgo negativo es igual de útil en consulta: antes de asumir que el uso intensivo de un chatbot está causando o agravando ansiedad o depresión en un paciente, este estudio recuerda que esa asociación no está confirmada — conviene explorar el contexto real (para qué lo usa, qué sustituye) antes de patologizar el uso en sí mismo.
Fuente: Barrios I, Torales J, Blanco S, et al. "Artificial Intelligence Chatbot Dependence, Anxiety, and Depressive Symptoms in University Students: Initial Psychometric Evaluation of the Artificial Intelligence Chatbot Dependence Scale (AICDS) in Spanish." Alpha Psychiatry, 2026;27(4):53298. DOI: 10.31083/AP53298
3. Medir el estrés sin tocar al paciente: lo que dice (y no dice) la evidencia acumulada
Una revisión sistemática y metaanálisis de investigadores chinos (Tsinghua University) ha reunido 21 estudios sobre sistemas de IA que detectan estrés psicológico a partir de señales fisiológicas captadas sin contacto: fotopletismografía remota (mide el pulso a través de la cámara), imagen térmica o radar. Sobre 8 estudios con datos suficientes para metaanálisis (13.910 muestras), la precisión combinada para distinguir estrés de no-estrés fue del 81,3% (IC 68,4-91,5%) — con heterogeneidad sustancial entre estudios.
Por qué importa: la traducción práctica es sencilla: no hay nada aquí para llevar a consulta todavía, pero sí una tecnología a vigilar de cara a los próximos 1-2 años, sobre todo si trabajas con poblaciones donde los sensores de contacto (pulseras, electrodos) generan rechazo o no son viables — pediatría, geriatría, unidades de agudos. Si te llega una propuesta comercial de "monitorización de estrés sin contacto" antes de esa fecha, este metaanálisis es tu argumento para pedir los datos de validación en condiciones reales antes de considerarla: la evidencia actual es de laboratorio, no de consulta.
Fuente: Han X, Wang Q, Gao L, Cao H. "Performance of artificial intelligence models for monitoring psychological stress using noncontact physiological signals: a systematic review and meta-analysis." Frontiers in Psychiatry, 2026;17:1938767. DOI: 10.3389/fpsyt.2026.1938767
4. Un plan de 6 puntos para formar a los psiquiatras del futuro en la era de la IA
Un editorial de Australasian Psychiatry (Adelaide University) propone seis pasos concretos para que la formación de residentes en psiquiatría no se quede atrás frente al impacto de la IA en la práctica clínica y la docencia — desde alfabetización en IA hasta integridad académica en un contexto donde los residentes ya usan estas herramientas para estudiar y escribir.
Por qué importa: no aporta datos nuevos, pero pone sobre la mesa una pregunta que muchos programas de formación siguen sin responder: ¿qué parte del razonamiento clínico se pierde si un residente se apoya en IA antes de haber entrenado ese razonamiento por su cuenta?
Fuente: Weightman MJ. "A six-point plan to prepare psychiatrists in training for the age of AI." Australasian Psychiatry, 2026. DOI: 10.1177/10398562261479571
Elaborado con apoyo de IA y revisión clínica del equipo de Psiquiatria.com. Autoría: Marc Moreno.
Sigue leyendo: MoodMon
Inicio: 09/09/2026 |Precio: 180€
Ver curso
Explora el artículo con IA