Qué se ha hecho El proyecto IDICIUS integró cuatro fuentes de datos reales de Cataluña: las historias clínicas del Centro de Salud Mental para Adultos del Parc Taulí, el registro catalán del Código de Riesgo Suicida, el registro de muertes por suicidio del Institut de Medicina Legal, y la base de datos de dispensación farmacéu...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Qué se ha hecho
El proyecto IDICIUS integró cuatro fuentes de datos reales de Cataluña: las historias clínicas del Centro de Salud Mental para Adultos del Parc Taulí, el registro catalán del Código de Riesgo Suicida, el registro de muertes por suicidio del Institut de Medicina Legal, y la base de datos de dispensación farmacéutica de CatSalut.
Tras la integración y anonimización por parte de AQUAS (Agencia de Calidad y Evaluación Sanitarias de Cataluña), el equipo trabajó con una base de 41.557 pacientes y 206 variables, reducida a un conjunto de análisis de 32.661 pacientes adultos en seguimiento de salud mental entre 2018 y 2024. De ellos, 2.764 (8,5%) habían presentado conducta suicida (intento o muerte por suicidio).Se probaron once algoritmos de complejidad creciente —desde regresión logística hasta redes neuronales profundas—, evaluados con validación cruzada y remuestreo de la clase minoritaria. Los métodos de ensamblado (GradientBoosting, XGBoost, CatBoost, RandomForest) superaron de forma consistente a los modelos estadísticos tradicionales.
Qué cambia para tu práctica
GradientBoosting y XGBoost fueron los modelos con mejor rendimiento global: un AUC de 0,958, una sensibilidad (recall) del 85,9% y del 84,8% respectivamente, y una precisión moderada (0,56-0,58). En un contexto de cribado clínico, los autores priorizaron deliberadamente la sensibilidad sobre la precisión: prefieren generar algún falso positivo —que se resuelve con una valoración clínica adicional— antes que dejar pasar un caso real de riesgo.
Los factores con mayor peso en la predicción no sorprenderán a quien trabaja en consulta, pero sí su combinación sistemática: uso de corticoides, antipsicóticos como olanzapina y quetiapina, benzodiazepinas (loracepam, clonazepam, diazepam), sexo femenino, episodio depresivo y trastorno de conducta. Ninguno de estos factores es nuevo por separado; lo que aporta el modelo es integrarlos todos a la vez a partir de datos que ya existen en la historia clínica, sin depender de un único factor de riesgo ni de la disponibilidad del profesional para reconstruir el cuadro completo.Es importante leer estas variables como marcadores de riesgo poblacional, no como indicaciones de tratamiento: el estudio no propone ni valida ningún protocolo de dosificación ni algoritmo terapéutico individualizado, y ese no es su objetivo.
Los límites, con la misma claridad
Los propios autores señalan sus limitaciones: la generalización a otras poblaciones no está garantizada (el modelo se entrenó con una cohorte catalana concreta), el submuestreo necesario para equilibrar las clases redujo el tamaño muestral efectivo, y el sistema no incorpora variables psicosociales más amplias (ideación, apoyo social, factores conductuales fuera de la historia clínica) que estudios previos del mismo grupo han mostrado que mejoran la detección de verdaderos positivos.
La precisión moderada (en torno al 56-58%) implica que una parte de las alertas no corresponderán a riesgo real inminente; los autores lo consideran asumible en un contexto de seguimiento psiquiátrico ya establecido, donde el coste de una alerta de más es mucho menor que el de un caso no detectado.
Qué viene después
Esta publicación corresponde a las dos primeras fases del proyecto IDICIUS (integración de datos y modelado). La validación clínica —implementar el algoritmo en el sistema de información hospitalario y contrastar sus predicciones de forma prospectiva con datos nuevos— está planificada como siguiente fase. Los autores citan como precedente el propio Código de Riesgo Suicida catalán, que ya ha demostrado en la práctica una reducción del 43% en los reintentos a 12 meses cuando se combina con intervenciones estructuradas de seguimiento.
Fuente: Peña-Gómez C, Fradera M, Sánchez Corrales X, et al. AI Models for Suicide Risk Prediction in Adult Patients Receiving Mental Health Care Using Real-World Data: Retrospective Population-Based Study. JMIR AI 2026;5:e85085. DOI: 10.2196/85085. Artículo de acceso abierto bajo licencia CC BY 4.0.
Sigue leyendo: IA en la clínica · IA al día — novedades de la semana
Elaborado con apoyo de IA y revisión clínica del equipo de Psiquiatria.com. Autoría: Marc Moreno.
Explora el artículo con IA