Un grupo de trabajo de la American College of Neuropsychopharmacology (ACNP), liderado por los investigadores Paulus y Torous, ha publicado en 2026 un marco de cinco prioridades para guiar el desarrollo responsable de la inteligencia artificial en salud mental: mejorar la medición de síntomas, construir herramientas que apoyen —no sustituyan— al clínico, dise&ntild...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Un grupo de trabajo de la American College of Neuropsychopharmacology (ACNP), liderado por los investigadores Paulus y Torous, ha publicado en 2026 un marco de cinco prioridades para guiar el desarrollo responsable de la inteligencia artificial en salud mental: mejorar la medición de síntomas, construir herramientas que apoyen —no sustituyan— al clínico, diseñar IA centrada en el paciente, resolver la gobernanza y la equidad de acceso, y avanzar hacia modelos causales en lugar de solo predictivos.
Por qué este marco importa ahora
Cada semana aparece una nueva herramienta de IA que promete "ayudar" en salud mental. La mayoría se anuncia por sus capacidades técnicas —precisión, velocidad, cobertura de síntomas— pero rara vez explica cómo aborda el problema de fondo: qué significa que una tecnología sea responsable en un terreno donde un error no es un dato incorrecto, es un daño a una persona vulnerable.Este marco, publicado por el grupo de estudio de la ACNP en NPP Digital Psychiatry and Neuroscience, no es un estudio de eficacia sobre una herramienta concreta. Es una hoja de ruta: cinco ejes que sirven, en la práctica, como lista de comprobación para cualquier clínico al que le presenten una "solución de IA para psiquiatría".
Las cinco prioridades, explicadas para la consulta
1. Medición. Antes de automatizar el diagnóstico o el seguimiento, hay que mejorar cómo medimos los síntomas en primer lugar. Muchas herramientas de IA heredan las limitaciones de las escalas clínicas actuales sin cuestionarlas.
2. Herramientas para el clínico, no sustitutos. El marco insiste en tecnología que amplifique el juicio clínico —resumir, alertar, sugerir— en lugar de tomar decisiones de forma autónoma.
3. IA centrada en el paciente. El diseño debe partir de las necesidades reales de quien recibe la atención, no de la capacidad técnica del modelo.
4. Gobernanza y equidad. Quién audita estos sistemas, con qué datos se entrenan y quién tiene acceso a ellos son preguntas tan importantes como su rendimiento.
5. Modelos causales. La mayoría de la IA actual predice correlaciones. El siguiente paso —y el más difícil— es entender mecanismos causales de la enfermedad mental, no solo patrones estadísticos.
Qué cambia para tu práctica
La próxima vez que te presenten una herramienta de IA para tu consulta, estas cinco categorías son una guía honesta de preguntas: ¿en cuál encaja bien esta herramienta, y en cuál falla claramente? Un producto que solo puede responder a la primera pregunta —"funciona técnicamente"— y no a las otras cuatro, probablemente no está listo para tu práctica clínica.
Fuente: Paulus, Torous et al., grupo de estudio ACNP. NPP Digital Psychiatry and Neuroscience, 2026. DOI: 10.1038/s44277-026-00068-x
Autoría: Marc Moreno.
Elaborado con apoyo de IA y revisión clínica del equipo psiquiatria.com
Inicio: 11/11/2026 |Precio: 80€
Ver curso
Explora el artículo con IA