Esta semana seleccionamos cuatro trabajos que aterrizan la inteligencia artificial en problemas muy concretos de la práctica clínica: qué ocurre cuando un chatbot empieza a ocupar el espacio de la relación terapéutica, cómo detectar pacientes con mayor riesgo de abandonar una psicoterapia, si varios agentes de IA pueden colaborar para anticipar un delirium...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Esta semana seleccionamos cuatro trabajos que aterrizan la inteligencia artificial en problemas muy concretos de la práctica clínica: qué ocurre cuando un chatbot empieza a ocupar el espacio de la relación terapéutica, cómo detectar pacientes con mayor riesgo de abandonar una psicoterapia, si varios agentes de IA pueden colaborar para anticipar un delirium y hasta qué punto un modelo de lenguaje puede participar en decisiones médico-legales que afectan directamente a la autonomía de una persona.
Más que estudios sobre “si la IA funciona”, los cuatro plantean una pregunta mucho más útil para la práctica:
¿En qué parte del proceso clínico puede ayudarnos y dónde sigue siendo imprescindible el juicio humano?
1. Cuando la voz de una IA empieza a parecer cuidado
Los chatbots de voz introducen algo cualitativamente diferente respecto a un chatbot de texto.No solo responden.Hablan con nosotros.La voz incorpora ritmo, entonación, pausas, aparente calidez y sensación de presencia. Y cuando esa tecnología se utiliza con personas con trastorno mental grave, aparece una cuestión que no puede resolverse simplemente midiendo satisfacción o reducción de síntomas:¿qué elementos del cuidado desaparecen cuando quien responde no es otra persona?
Las autoras utilizan un caso de chatbot de voz como punto de partida para explorar los límites éticos y fenomenológicos de la medicina digital y proponen formas de mantener un enfoque verdaderamente centrado en la persona.La cuestión resulta especialmente relevante en psiquiatría porque buena parte del tratamiento no consiste únicamente en transmitir información correcta.La relación terapéutica también implica presencia, responsabilidad, reconocimiento del otro, construcción de confianza y capacidad de comprender matices que pueden no estar explícitamente verbalizados.Un sistema computacional puede imitar algunas de estas características con enorme eficacia.
Pero simular una relación no significa necesariamente sostener una relación terapéutica en el sentido humano del término.Qué cambia para tu prácticaCuando se valore incorporar chatbots conversacionales o de voz, quizá la pregunta no debería ser solamente:“¿Hace bien esta tarea?”También:“¿Qué parte de la relación clínica estamos delegando al hacer que la realice una máquina?”
La frontera probablemente estará en utilizar la IA como amplificador del cuidado, no como sustituto automático de aquello que constituye precisamente el cuidado.
Ampliar: Just SA, Elvevåg B. How digital medicine redefines the landscape of care. Digital Health, 2026.https://doi.org/10.1177/20552076261478845
2. Cinco señales sencillas que podrían anticipar el abandono de una psicoterapia
Uno de los problemas más frustrantes de cualquier psicoterapia es también uno de los menos sofisticados tecnológicamente:el paciente deja de venir.Este trabajo intenta predecir el abandono de psicoterapia en personas con depresión mayor utilizando técnicas predictivas.
Pero posiblemente lo más interesante para el clínico no sea el algoritmo.Son las variables que aparecen asociadas al abandono:edad más joven, desempleo, más de un diagnóstico concurrente del Eje I, ausencia de pareja y depresión de gravedad moderada.
Son datos que prácticamente cualquier profesional dispone ya al terminar la primera entrevista.Y eso convierte un estudio de predicción en algo inmediatamente utilizable.El rendimiento del modelo predictivo fue modesto, por lo que estamos lejos de poder introducir cinco datos en un programa y decidir quién abandonará el tratamiento.Pero esas variables pueden funcionar como señales de alerta para reforzar desde el principio la vinculación terapéutica.
Qué cambia para tu práctica
Ante un paciente que acumula varios de estos factores, quizá merezca la pena dedicar algo más de tiempo en las primeras sesiones a cuestiones que con frecuencia dejamos implícitas:¿Por qué quiere hacer tratamiento?¿Qué espera conseguir?¿Qué obstáculos pueden impedirle acudir?¿Qué hará si una sesión le resulta incómoda?¿A quién avisará si piensa abandonar?
Importante: construir una alianza suficientemente buena para que el paciente quiera volver.
Ampliar:Bremer-Hoeve S, et al. Predicting Dropout in Psychotherapy for Major Depressive Disorder. Clinical Psychology & Psychotherapy, 2026. https://doi.org/10.1002/cpp.70320
3. Una “interconsulta virtual” para anticipar el delirium en urgencias
Este estudio resulta interesante no solo por intentar predecir delirium, sino por cómo organiza la inteligencia artificial.En lugar de utilizar un único modelo que recibe los datos del paciente y devuelve una probabilidad, los investigadores construyen algo parecido a una pequeña sesión clínica multidisciplinar.El sistema combina un modelo predictivo tradicional con varios agentes especializados, que representan diferentes perspectivas clínicas —urgencias, neurología y psiquiatría— y que analizan el caso antes de alcanzar una conclusión.
Es decir, intentan trasladar a la IA una dinámica muy reconocible para cualquier hospital:varios especialistas miran al mismo paciente desde ángulos diferentes y posteriormente integran sus conclusiones.Según los datos proporcionados por los autores, el sistema fue validado en tres cohortes independientes y alcanzó una precisión aproximadamente situada entre el 70 y el 75%.No es suficiente para sustituir una valoración clínica.
Pero sí introduce una idea interesante: el valor de los LLM puede no estar únicamente en mejorar unas décimas el área bajo una curva, sino en convertir la predicción algorítmica en un razonamiento que el profesional pueda leer, discutir y eventualmente rechazar.
Qué cambia para tu práctica
Probablemente ésta sea una de las direcciones más interesantes de la IA clínica:no un “oráculo” que dice:riesgo de delirium: 73%.
Sino un sistema que pueda explicar:
“Estos son los factores que me preocupan desde urgencias.”
“Esto es lo que interpreta neurología.”
“Esto es lo que añadiría psiquiatría.”
Y finalmente:“Ésta es nuestra conclusión y ésta es la evidencia en la que se apoya.”
El reto será comprobar que esas explicaciones reflejan realmente un razonamiento válido y no son únicamente una narrativa convincente construida después de una predicción.
Ampliar: Shang W, et al. A large language model-driven multidisciplinary AI agent system predicts delirium in emergency critically ill patients. Cell Reports Medicine, 2026. https://doi.org/10.1016/j.xcrm.2026.102986
4. ¿Puede una IA ayudar a decidir si una persona conserva su capacidad jurídica?
Aquí entramos probablemente en el territorio más delicado de los cuatro estudios.La valoración de capacidad puede determinar si una persona conserva autonomía para tomar determinadas decisiones o necesita medidas de apoyo o protección.Por tanto, un error no afecta simplemente a la precisión diagnóstica.
Puede afectar a derechos fundamentales.
Los investigadores analizaron retrospectivamente 234 casos de adultos remitidos por tribunales entre 2018 y 2024 y convirtieron cada caso en una viñeta médico-legal estandarizada y anonimizada. Posteriormente pidieron a ChatGPT-5.2, Gemini 3 Pro y Claude 4.5 Sonnet que emitieran recomendaciones utilizando como referencia las valoraciones de una junta médica interdisciplinar bajo el Código Civil turco.
Los resultados fueron relativamente buenos.
La concordancia global con las recomendaciones médicas estuvo aproximadamente entre κ = 0,60 y 0,73 y Gemini alcanzó una precisión del 86,3%. ChatGPT obtuvo el mejor macro-F1, alrededor de 0,79.Además, cuando los casos se repitieron treinta días después, los modelos mostraron una estabilidad muy elevada, con una concordancia test-retest del 94–97%.
Pero el estudio contiene una advertencia mucho más interesante que esos resultados.
Los modelos funcionaban peor precisamente en los casos donde había que valorar grados intermedios de autonomía y la posibilidad de utilizar una medida menos restrictiva.
Es decir:cuando el caso era relativamente claro, la IA respondía bastante bien.Cuando había que decidir hasta dónde limitar la autonomía de una persona, aparecían más problemas.
Qué cambia para tu práctica
Este estudio probablemente no debe interpretarse como:“La IA ya puede valorar capacidad.”
Más bien como:“La IA podría ayudar a estructurar y revisar una valoración de capacidad, pero no debería ser quien tome la decisión.”
Los propios autores sitúan estos sistemas como herramientas de apoyo bajo protocolos estandarizados, razonamiento transparente, mecanismos de seguridad y supervisión experta continuada, no como decisores autónomos.
En psiquiatría forense esto es especialmente importante.Una IA puede ayudarnos a detectar inconsistencias, resumir información extensa o plantear hipótesis alternativas.Pero cuanto más cerca está una decisión de restringir la libertad o la autonomía de alguien, mayor debería ser —no menor— la responsabilidad humana sobre el resultado.
Ampliar: Aydogan HC, Sevindik M, Unat Öztürk Z, Kaygısız Ş, Yaşar Teke H. Evaluating Large Language Models for AI-Assisted Decision Support in Legal Capacity Assessment. Healthcare. 2026;14(15):2261. https://doi.org/10.3390/healthcare14152261
La idea común: IA para ampliar el juicio clínico, no para hacerlo desaparecer
Los cuatro trabajos apuntan hacia lugares distintos de la práctica psiquiátrica, pero comparten una misma tensión.La IA puede ayudarnos a:detectar riesgo, anticipar abandono, integrar información, ofrecer apoyo continuo y estructurar decisiones complejas.
Pero cada vez que trasladamos una función clínica a una máquina aparece otra pregunta:¿qué responsabilidad estamos trasladando con ella?
En tareas de bajo riesgo, automatizar puede ser simplemente una mejora de eficiencia.Pero cuando hablamos de relación terapéutica, delirium, abandono de tratamiento o capacidad jurídica, el problema cambia.Porque una decisión clínicamente incorrecta puede afectar a la salud, la libertad o la autonomía de una persona.
Tal vez el criterio que empiece a distinguir una buena IA clínica de una mala no sea únicamente cuánto acierta.
Será también si ayuda al profesional a ejercer mejor su juicio sin sustituirlo precisamente en los momentos en los que ese juicio más importa.
La pregunta ya no es si la IA puede participar en una decisión clínica, sino qué decisiones nunca deberíamos permitirle tomar sola.
Autoría: Marc Moreno.
Elaborado con apoyo de IA y revisión clínica del equipo psiquiatria.com
Inicio: 26/08/2026 |Precio: 80€
Ver curso
Explora el artículo con IA