Inteligencia artificial
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)

RESUMEN

La irrupción de los Modelos de Lenguaje de Gran Escala (LLMs) en la psiquiatría clínica coincide con un déficit global de especialistas, una carga administrativa creciente y un aumento del síndrome de burnout. Estos sistemas ofrecen capacidades inéditas en apoyo diagnóstico, documentación automatizada y monitorización digital, pero introducen riesgos sustanciales: alucinaciones de IA, sesgo de automatización, desprofesionalización clínica y desafíos ético-regulatorios.

Objetivo. Analizar la evidencia disponible (2020–2026) sobre aplicaciones clínicas de LLMs en psiquiatría, evaluar sus riesgos emergentes, revisar los marcos regulatorios internacionales y desarrollar empíricamente el marco de gobernanza de Funciones Clínicas Auditables (FCA), formulado originalmente por Moreno Gea et al.,44 aplicándolo al ámbito específico de los LLMs.

Método. Revisión de alcance (scoping review) estructurada según principios PRISMA-ScR, en PubMed/MEDLINE, Embase, Scopus y SciELO. De 1.850 registros iniciales se incluyeron 97 documentos en la síntesis final.

Resultados. En registros clínicos reales multicéntricos, GPT-4 alcanza una precisión diagnóstica estricta del 71,7%. Los sistemas comerciales de scribing ambiental basados en LLM reducen significativamente el burnout y la documentación fuera de horario, aunque generan errores frecuentes por omisión cuando se usan sin supervisión. Persisten riesgos de alucinaciones clínicas, sesgo de automatización y deskilling.