Llevamos una década leyendo trabajos de machine learning aplicado a psiquiatría que se cierran con el mismo párrafo: "nuestro modelo alcanzó un AUC de 0,8X y abre la puerta a la psiquiatría de precisión". La frase ya está gastada. Y esta semana se publican tres trabajos que, juntos, explican por qué.
El problema del modelo "que rinde bien en promedio"
El primer trabajo lo firma Chong Chen y un equipo de la Yamaguchi University, publicado en Psychological Medicine. Cohorte longitudinal japonesa de 15.897 adultos que en agosto-septiembre de 2020 no cumplían criterios de depresión ni ansiedad. Seguimiento a 6 meses para ver quién desarrollaba sintomatología clínicamente relevante (K6 ≥ 13).
El planteamiento metodológico es lo interesante. En lugar de entrenar un único modelo de Random Forest con las 169 variables basales de toda la muestra, primero agruparon a los sujetos en clústeres por perfil basal y luego entrenaron un modelo dentro de cada clúster. Lo que llaman "cluster-then-predict".
Tres hallazgos:
- La incidencia global a 6 meses fue del 6,23%. Pero el clustering identificó dos subgrupos de alto riesgo con perfiles muy distintos: mayores con mala calidad de vida (incidencia 12,9%) y trabajadores con sobrecarga familia-trabajo (incidencia 29,8%). Es decir, casi uno de cada tres trabajadores con perfil de conciliación complicada desarrolla síntomas clínicamente relevantes en seis meses.
- En el subgrupo de mayores, las variables que más pesan son las de disrupción del estilo de vida (sueño irregular, dieta, rutinas). En el de trabajadores con familia, pesan la dependencia del alcohol y la sobrecarga laboral. Son perfiles de riesgo opuestos.
- El rendimiento global del modelo estratificado no supera al modelo único de toda la cohorte. Pero rinde mejor en el subgrupo de mayor riesgo, que es precisamente donde la predicción es clínicamente útil.
Esto último es el punto que muchos editores siguen pasando por alto: un AUC promedio de 0,75 es un AUC ponderado por la mayoría de la cohorte. La utilidad clínica vive en los extremos.
La huella común a varios trastornos: el tálamo
El segundo trabajo lo publica el grupo de Veronica Mäki-Marttunen en la Universidad de Oslo, dentro de un consorcio que reúne más de 8.000 imágenes de resonancia magnética estructural de Noruega, Suecia, Alemania, Países Bajos y Reino Unido. Es, probablemente, el dataset talámico más grande publicado hasta ahora en psiquiatría.
Segmentaron 25 núcleos talámicos bilaterales y compararon volúmenes en 11 grupos diagnósticos (esquizofrenia, alto riesgo de psicosis, trastorno bipolar, depresión mayor, autismo, TDAH, deterioro cognitivo leve, demencia, Parkinson, esclerosis múltiple) frente a controles sanos.
Los hallazgos centrales:
- Los núcleos anteriores, mediales y laterales del tálamo están reducidos en deterioro cognitivo leve, demencia, esquizofrenia y esclerosis múltiple, con tamaños de efecto comparables entre sí. Ese patrón comparte mucho entre trastornos que la clínica considera distintos.
- Los núcleos ventrales e intralaminares (los más sensoriales-primarios) están relativamente preservados. La patología talámica afecta sobre todo a las áreas de orden superior y de integración.
- Los núcleos geniculados laterales aparecen alterados en 6 de los 11 trastornos. Los geniculados laterales son nodos clave en la regulación del ritmo circadiano. La interpretación de los autores, prudente pero clara, es que hay una vía transdiagnóstica común relacionada con sueño y ciclos.
La consecuencia clínica directa: tratar el sueño en cualquier trastorno mental grave deja de ser "tratamiento del síntoma" y pasa a ser, plausiblemente, intervención sobre un sustrato común.
Ponerle número al envejecimiento cerebral acelerado
El tercer trabajo es un metaanálisis de Hamad Yahia Abu Mhanna y colegas de la Universidad de Queensland, publicado en GeroScience. Sintetizan 65 estudios que utilizan modelos de machine learning para predecir la edad cronológica a partir de la resonancia magnética cerebral y calculan el "brain age gap" (la diferencia entre la edad cerebral predicha y la edad real) en siete condiciones: esclerosis múltiple, Alzheimer, deterioro cognitivo leve, Parkinson, esquizofrenia, ictus y trastorno bipolar.
Los números pesan:
- Esclerosis múltiple: +7,81 años (g = 0,89) de adelanto cerebral.
- Alzheimer: +5,57 años (g = 0,66).
- Esquizofrenia: +4,40 años (g = 0,42). Esto, que muchos llevamos años leyendo en estudios aislados, ahora tiene una síntesis cuantitativa robusta.
- Deterioro cognitivo leve: +3,77 años. Parkinson: +3,52 años.
- En enfermedades neurodegenerativas el gap es independiente de la edad cronológica. En esquizofrenia, en cambio, el gap aumenta con la edad — patrón compatible con envejecimiento progresivo, no con un déficit fijo.
La heterogeneidad entre estudios es enorme (I² > 90% en la mayoría), de modo que los intervalos de confianza son anchos y los modelos de edad cerebral no son intercambiables entre laboratorios. Eso no resta valor a la lectura agregada, pero obliga a leer cualquier "edad cerebral" individual con prudencia.
Lo que cambia para la consulta
Tres aterrizajes prácticos.
Primero: ante cualquier herramienta o servicio comercial que prometa "predecir riesgo de depresión con IA", la pregunta editorial ya no es "qué AUC tiene" sino "en qué subgrupos rinde y en cuáles no". Si el folleto solo da un AUC global, falta la mitad de la información.
Segundo: el sueño deja de ser un síntoma accesorio. En esquizofrenia, depresión mayor, trastorno bipolar y trastornos del espectro autista, la patología de los núcleos talámicos vinculados a regulación circadiana aparece como denominador común. Tratar el sueño no es paliativo, es intervenir sobre un sustrato compartido. Quien lleve consulta privada, especialmente con SMG: revisar la calidad de sueño en cada visita, no solo cuando el paciente se queja.
Tercero: los 4,4 años de "envejecimiento cerebral" en esquizofrenia no son una metáfora. Encajan con lo que vemos en consulta — sobremortalidad cardiovascular, comorbilidad somática, deterioro funcional precoz. Es un argumento clínico fuerte para que la atención somática de los pacientes con esquizofrenia (HbA1c, perfil lipídico, tensión arterial, peso) sea de primer orden, no de segunda fila. Y para que en cualquier conversación con la familia se incluya el factor envejecimiento biológico cuando se discuten objetivos de tratamiento a largo plazo.
Referencias
- Chen C, Asai Y, Mochizuki Y, Hagiwara K, Okubo R, Nakagawa S, Tabuchi T. Heterogeneous pathways to depressive and anxiety disorders: A cluster-based predictive study in a nationwide longitudinal cohort. Psychological Medicine. 2026;56:e139. DOI: 10.1017/S0033291726104590
- Mäki-Marttunen V, Nerland S, Jørgensen KN, et al. Thalamic nuclei volumes across psychiatric and neurological disorders: a multi-site magnetic resonance imaging study. Translational Psychiatry. 2026. DOI: 10.1038/s41398-026-04076-5
- Mhanna HYA, Oestreich LKL, Vashistha R, Wang Y, Vegh V. Aging beyond diagnosis: the MRI brain age gap across disorders. GeroScience. 2026. DOI: 10.1007/s11357-026-02315-7
Explora el artículo con IA