La inteligencia artificial aplicada al fenotipado digital permite identificar riesgo de problemas de salud mental en adolescentes a partir de datos del smartphone. Fenotipado digital: una nueva fuente de datos para la salud mental La inteligencia artificial (IA) aplicada a la salud mental está abriendo nuevas posibilidades para comprender y detectar precozmente problemas psicológic...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
La inteligencia artificial aplicada al fenotipado digital permite identificar riesgo de problemas de salud mental en adolescentes a partir de datos del smartphone.
Fenotipado digital: una nueva fuente de datos para la salud mental
La inteligencia artificial (IA) aplicada a la salud mental está abriendo nuevas posibilidades para comprender y detectar precozmente problemas psicológicos. Entre las líneas de investigación más prometedoras destaca el fenotipado digital, un enfoque que utiliza datos generados por dispositivos digitales, especialmente smartphones, para caracterizar el comportamiento y el estado emocional de las personas en su vida cotidiana.
Los teléfonos móviles permiten recoger grandes volúmenes de información de forma continua y pasiva. Datos como patrones de movimiento, uso de aplicaciones, actividad social o cambios en los hábitos diarios pueden reflejar variaciones en el bienestar psicológico. Cuando estos datos se combinan con métodos de inteligencia artificial, es posible identificar patrones asociados a riesgo de trastornos mentales.
Un estudio reciente publicado en Journal of Medical Internet Research explora precisamente esta posibilidad en población adolescente, utilizando datos activos y pasivos recogidos a través de smartphones para predecir riesgo en salud mental mediante machine learning.
Salud mental adolescente: un desafío global
La adolescencia es un periodo crítico para el desarrollo de los trastornos mentales. Se estima que más del 75 % de los trastornos psiquiátricos aparecen antes de los 25 años, lo que subraya la importancia de identificar factores de riesgo de forma temprana.
Sin embargo, detectar problemas de salud mental en adolescentes resulta complejo. Muchos jóvenes no buscan ayuda profesional, y los síntomas pueden pasar desapercibidos durante largos periodos. Además, los sistemas de salud mental suelen centrarse en intervenciones cuando el trastorno ya está establecido.
En este contexto, el fenotipado digital ofrece una alternativa prometedora: monitorizar cambios conductuales en el día a día que podrían indicar riesgo psicológico antes de que aparezcan síntomas clínicos claros.
Datos activos y pasivos: dos fuentes complementarias
El estudio analizó datos recogidos mediante una aplicación móvil llamada Mindcraft, diseñada para recopilar información tanto activa como pasiva de los participantes.
Los datos activos proceden de información que los propios usuarios introducen voluntariamente, como cuestionarios breves o evaluaciones del estado de ánimo. Este tipo de datos se basa en métodos conocidos como ecological momentary assessment (EMA), que permiten medir experiencias psicológicas en tiempo real.
Por otro lado, los datos pasivos se recogen automáticamente a partir de sensores del smartphone. Estos pueden incluir:
actividad física registrada por acelerómetros
patrones de movilidad geográfica
uso del teléfono o de determinadas aplicaciones
actividad social digital
La combinación de ambos tipos de datos permite conectar cómo se sienten los adolescentes con cómo se comportan en su vida diaria, generando una visión más completa del estado mental.
Inteligencia artificial para identificar patrones de riesgo
Para analizar los datos recogidos, los investigadores utilizaron modelos de machine learning capaces de detectar relaciones complejas entre múltiples variables.
Uno de los objetivos principales del estudio era evaluar si la integración de datos activos y pasivos mejoraba la capacidad de los modelos para predecir diferentes indicadores de salud mental en adolescentes de población general.
Los resultados muestran que los modelos multimodales que combinan ambas fuentes de datos ofrecen un mejor rendimiento predictivo que aquellos basados únicamente en una de ellas.
Además, los investigadores aplicaron un enfoque de aprendizaje automático diseñado para mejorar la estabilidad de las representaciones conductuales y aumentar la capacidad de generalización de los modelos. Este aspecto es relevante porque muchos algoritmos de IA en salud mental funcionan bien en un conjunto de datos concreto pero pierden precisión cuando se aplican a nuevas poblaciones.
Qué variables digitales predicen mejor el bienestar psicológico
Uno de los hallazgos más interesantes del estudio es la identificación de características digitales asociadas a diferentes dimensiones de la salud mental.
Entre las variables más relevantes destacan:
cambios en los patrones de actividad diaria
variaciones en la movilidad geográfica
diferencias en la interacción con el teléfono
patrones de uso de aplicaciones
Estas variables pueden reflejar cambios en rutinas, aislamiento social o alteraciones del comportamiento cotidiano que, en algunos casos, se asocian a riesgo psicológico.
Sin embargo, los autores subrayan que estos indicadores no deben interpretarse como diagnósticos clínicos, sino como señales potenciales que podrían ayudar a identificar personas que podrían beneficiarse de una evaluación más detallada.
Potencial para la detección precoz y la prevención
Uno de los principales atractivos del fenotipado digital es su potencial para detectar cambios tempranos en la salud mental antes de que se desarrollen trastornos clínicos completos.
En teoría, sistemas de monitorización basados en smartphones podrían identificar señales de alerta y facilitar intervenciones preventivas en contextos comunitarios, escolares o de atención primaria.
Este enfoque podría resultar especialmente útil en adolescentes, una población que utiliza intensivamente los dispositivos móviles y que, al mismo tiempo, presenta barreras importantes para acceder a servicios de salud mental.
Además, las tecnologías digitales permitirían implementar estrategias de intervención escalables, capaces de llegar a grandes poblaciones con costes relativamente bajos.
Desafíos éticos y de privacidad
A pesar de su potencial, el uso de datos digitales para evaluar la salud mental plantea importantes cuestiones éticas.
El fenotipado digital implica recoger información altamente sensible sobre comportamiento, movilidad y hábitos personales. Por ello, es fundamental garantizar transparencia, consentimiento informado y control por parte de los usuarios sobre sus datos.
En el estudio, los participantes podían definir sus preferencias de privacidad durante el proceso de registro en la aplicación y modificar en cualquier momento los permisos de acceso a sus datos.
Otro aspecto clave es evitar interpretaciones simplistas de los datos conductuales. Los patrones detectados por los algoritmos deben interpretarse siempre dentro de un contexto clínico y social más amplio.
Limitaciones actuales de la inteligencia artificial en salud mental
Aunque los resultados son prometedores, los investigadores reconocen varias limitaciones.
En primer lugar, los estudios de fenotipado digital suelen tener tamaños de muestra relativamente pequeños y periodos de seguimiento limitados. También existen desafíos técnicos relacionados con la calidad de los datos recogidos por sensores móviles.
Además, la generalización de los modelos a diferentes poblaciones sigue siendo un problema relevante en investigación de IA aplicada a salud mental.
Por último, la adopción clínica de estas tecnologías requerirá validación en estudios longitudinales y en contextos reales de atención sanitaria.
Hacia una psiquiatría basada en datos del mundo real
El fenotipado digital representa un cambio de paradigma en la forma de estudiar la salud mental. En lugar de basarse exclusivamente en evaluaciones clínicas puntuales, permite analizar comportamientos y experiencias en el entorno cotidiano de los pacientes.
Combinado con inteligencia artificial, este enfoque podría contribuir a desarrollar sistemas de detección temprana, seguimiento continuo y prevención personalizada de los trastornos mentales.
No obstante, su implementación requerirá colaboración entre investigadores, clínicos, expertos en ética y responsables de políticas sanitarias.
La tecnología ofrece herramientas cada vez más sofisticadas para comprender el comportamiento humano. El reto ahora consiste en integrarlas de forma responsable en la práctica clínica, garantizando que los beneficios potenciales de la inteligencia artificial se traduzcan en mejoras reales para la salud mental.
Fuente principal
Kadirvelu B., Bellido Bel T., Freccero A., et al.
Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data
Journal of Medical Internet Research, 2026.
https://www.jmir.org/2026/1/e72501
Kadirvelu B., Bellido Bel T., Freccero A., et al.
Digital Phenotyping for Adolescent Mental Health: Feasibility Study Using Machine Learning to Predict Mental Health Risk From Active and Passive Smartphone Data
Journal of Medical Internet Research (2026).
https://www.jmir.org/2026/1/e72501
Licencia: Creative Commons Attribution 4.0 (CC BY 4.0)
4,2 créditos
Inicio: 05/08/2026 |Precio: 120€
Ver curso
Explora el artículo con IA