La inteligencia artificial generativa ya no es una promesa lejana para la psiquiatría. Los modelos de lenguaje de gran escala —LLMs como GPT-4, Claude o Llama— empiezan a utilizarse para resumir entrevistas, apoyar el diagnóstico diferencial, generar notas clínicas, detectar señales lingüísticas de riesgo y servir como herramientas de formaci&oac...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
La inteligencia artificial generativa ya no es una promesa lejana para la psiquiatría. Los modelos de lenguaje de gran escala —LLMs como GPT-4, Claude o Llama— empiezan a utilizarse para resumir entrevistas, apoyar el diagnóstico diferencial, generar notas clínicas, detectar señales lingüísticas de riesgo y servir como herramientas de formación. Pero la pregunta central no es si estos sistemas llegarán a la consulta, sino cómo deben integrarse sin poner en riesgo la seguridad del paciente ni erosionar el juicio clínico.
Un artículo especial de Iván López-Ibor, titulado El Psiquiatra Aumentado: Integración de Modelos de Lenguaje de Gran Escala (LLMs) en la Práctica Clínica Psiquiátrica, Riesgos Emergentes y un Marco Teórico de Gobernanza basado en Funciones Clínicas Auditables (FCA), aborda precisamente esta cuestión. El trabajo realiza una revisión de alcance de la evidencia publicada entre 2020 y 2026 sobre aplicaciones clínicas de LLMs en psiquiatría, riesgos emergentes, regulación internacional y modelos de gobernanza.
El concepto clave es el de “psiquiatra aumentado”. No se trata de sustituir al profesional por un sistema automático, sino de utilizar la IA como herramienta de ampliación de capacidades: procesar más información, reducir carga burocrática, apoyar el razonamiento diagnóstico, mejorar la documentación y facilitar alertas clínicas. Pero siempre bajo una premisa: la responsabilidad clínica sigue siendo humana.
La revisión identifica aplicaciones ya relevantes. En registros clínicos reales multicéntricos, GPT-4 alcanzó una precisión diagnóstica estricta del 71,7% en la identificación de trastornos afectivos y psicóticos. Los sistemas de scribing ambiental basados en LLMs también muestran resultados prometedores: algunos estudios documentan reducciones significativas del burnout y de la documentación fuera de horario. En psiquiatría, donde las entrevistas generan notas extensas y complejas, esta aplicación podría tener un impacto práctico importante.
Sin embargo, el artículo subraya que estos beneficios conviven con riesgos clínicos no menores. Uno de los más importantes son las alucinaciones clínicas: respuestas plausibles pero incorrectas o no apoyadas en los datos reales de la consulta. En estudios de generación automática de notas SOAP se han descrito errores frecuentes, especialmente por omisión, y también fabricaciones de información. En salud mental, una omisión puede ser crítica si afecta a ideación suicida, consumo de sustancias, síntomas psicóticos, efectos adversos o cambios terapéuticos.
Otro riesgo es el sesgo de automatización. Los profesionales pueden tender a aceptar la recomendación de un sistema de IA porque parece precisa, bien formulada o técnicamente sofisticada, incluso cuando es errónea. Este problema puede agravarse en contextos de urgencias, alta carga asistencial o presión temporal, donde el clínico dispone de menos margen para revisar críticamente cada output.
El artículo también aborda el riesgo de desprofesionalización o deskilling. Si los residentes y clínicos jóvenes dependen excesivamente de sistemas automáticos para formular diagnósticos, redactar informes o estructurar entrevistas, podrían debilitarse competencias esenciales: la exploración psicopatológica fina, el razonamiento diferencial, la formulación clínica, la entrevista no estructurada y la construcción de alianza terapéutica.
Para evitar estos riesgos, el trabajo desarrolla y aplica al ámbito de los LLMs el marco de Funciones Clínicas Auditables, originalmente propuesto por Moreno Gea y colaboradores. La idea es sencilla pero potente: no debemos validar la IA como si fuera un bloque único, sino función por función. No es lo mismo usar un LLM para resumir una consulta que para evaluar riesgo suicida o recomendar un ajuste farmacológico.
El marco FCA clasifica las funciones en cuatro carriles de riesgo. El carril A incluye tareas administrativas de bajo riesgo, como transcripción o resumen de consultas. El carril B agrupa funciones informativas no decisionales, como checklists diagnósticos o sugerencia de escalas. El carril C incluye funciones de alto riesgo que apoyan directamente decisiones clínicas, como diagnóstico diferencial, evaluación de riesgo suicida o recomendaciones posológicas. El carril D correspondería a intervención autónoma sin supervisión humana, que el artículo considera actualmente inaceptable en psiquiatría.
Esta estratificación permite una gobernanza más realista. Cada función debe tener requisitos de desempeño clínico, criterios de fallo inaceptable, bancos de prueba, auditoría humana y monitorización continua. Por ejemplo, en evaluación de riesgo suicida, el artículo plantea que un falso negativo ante ideación activa debe considerarse inaceptable. En recomendaciones posológicas, una contraindicación no identificada no puede tratarse como un simple error menor.
La propuesta también conecta con el Reglamento Europeo de Inteligencia Artificial, las directrices de la OMS sobre IA en salud y el enfoque de la FDA para software médico basado en IA. La idea común es que los sistemas aplicados a la práctica clínica deben ser transparentes, auditables, supervisados y sometidos a evaluación continua.
La implicación para los psiquiatras es clara: la IA generativa puede ser una gran aliada, pero no debe entrar en la consulta como una caja negra. Hay que saber para qué función se usa, qué evidencia respalda esa función, qué errores son inaceptables, quién supervisa el resultado y cómo se monitoriza su desempeño con el tiempo.
El artículo también tiene una lectura formativa. La residencia en psiquiatría deberá incorporar alfabetización en IA: comprender cómo funcionan los LLMs, detectar alucinaciones, reconocer sesgos, interpretar recomendaciones automáticas y mantener competencias clínicas no delegables. El objetivo no será formar psiquiatras que obedezcan a la IA, sino profesionales capaces de supervisarla críticamente.
La conclusión es equilibrada. La psiquiatría del siglo XXI será, probablemente, una psiquiatría aumentada. Pero aumentada no significa automatizada. La IA puede ayudar a documentar mejor, procesar más información y apoyar decisiones complejas. Lo que no puede sustituir es la responsabilidad profesional, la comprensión contextual, la alianza terapéutica y el encuentro humano con el paciente.
En definitiva, el “psiquiatra aumentado” no es un psiquiatra reemplazado por tecnología. Es un clínico que utiliza la IA con rigor, límites y trazabilidad para cuidar mejor, sin renunciar a aquello que sigue siendo irreductiblemente humano en la práctica psiquiátrica.
Fuente
Explora el artículo con IA