Esta semana, la evidencia clínica sobre IA y salud mental se mueve en cuatro frentes distintos: el riesgo de que los pacientes desplacen su confianza del clínico al chatbot, un mapa de qué partes de la psiquiatría de precisión ya son accionables, el uso de un LLM para detectar polifarmacia en una clínica de memoria de Barcelona, y una comparativa de seis c...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Esta semana, la evidencia clínica sobre IA y salud mental se mueve en cuatro frentes distintos: el riesgo de que los pacientes desplacen su confianza del clínico al chatbot, un mapa de qué partes de la psiquiatría de precisión ya son accionables, el uso de un LLM para detectar polifarmacia en una clínica de memoria de Barcelona, y una comparativa de seis chatbots respondiendo sobre depresión posparto.
1. Cuando el paciente confía más en el chatbot que en ti
Un estudio publicado en Bipolar Disorders (Universidad de Utrecht) analiza en profundidad los casos de dos pacientes con trastorno bipolar que, de forma independiente, empezaron a usar ChatGPT para la autorreflexión y para explorar su propio diagnóstico, manejo de síntomas y tratamiento. Ambos acudieron a los servicios psiquiátricos por motivos ajenos al uso del chatbot, lo que permitió a los investigadores entrevistarlos en profundidad sobre esa experiencia paralela.Los autores describen patrones de vinculación distintos según el perfil clínico de cada paciente: uno mantenía conversaciones reflexivas e intelectualizadas, el otro desarrolló una relación emocionalmente íntima con la herramienta.
En ambos casos aparecía un beneficio percibido real —apoyo sin juicio, sensación de comprensión, a veces más accesible que la atención profesional—, pero también un desplazamiento de la confianza del clínico hacia la IA, con el riesgo de que el paciente entienda peor los límites reales del sistema cuanto más vulnerable esté. Es un recordatorio útil de que la pregunta que conviene hacer en consulta ya no es solo "¿cómo estás?", sino también "¿con qué más estás hablando de esto?".
DOI: 10.1111/bdi.70176
2. Psiquiatría de precisión: qué es ya útil y qué sigue siendo humo
Una revisión narrativa estructurada en International Review of Psychiatry, liderada desde la Universidad Nacional de Asunción (Paraguay) con coautoría brasileña e italiana, pone orden en un campo donde se mezcla demasiado lo prometedor con lo ya utilizable. Los autores evalúan cada enfoque —desde la monitorización farmacológica hasta los modelos de predicción multimodal— según validez, replicación externa, utilidad incremental, viabilidad y gobernanza.La conclusión práctica: cosas como la evaluación longitudinal estructurada, la monitorización de fármacos concretos y ciertas interacciones farmacogenéticas seleccionadas ya son clínicamente accionables en contextos concretos.
El fenotipado digital, el soporte de decisión asistido por IA y los biomarcadores de neuroimagen se quedan en la categoría de "prometedor, pero no listo para uso rutinario". Y cosas como la predicción automatizada del riesgo de suicidio siguen siendo, según los propios autores, mayoritariamente experimentales. Útil como mapa de expectativas realistas, tanto para no descartar lo que ya funciona como para no comprarse lo que todavía no.
DOI: 10.1080/09540261.2026.2722686
3. Un LLM que revisa la medicación y encuentra lo que se nos escapa
En el Ace Alzheimer Center de Barcelona, un equipo usó un modelo de lenguaje para extraer de forma sistemática los datos de medicación de las historias clínicas electrónicas de 2.379 pacientes consecutivos evaluados en una clínica de memoria, y cruzarlos con marcadores de Alzheimer, genotipo ApoE y función renal. El hallazgo no es sorprendente en sí —la polifarmacia es habitual en estos pacientes—, pero sí lo es la escala: dos tercios de los pacientes con deterioro cognitivo (CDR ≥ 0,5) tenían polifarmacia (5 o más fármacos) y uno de cada cinco, hiperpolifarmacia (10 o más).
Lo relevante para la práctica es el método, no solo el hallazgo: usar un LLM para hacer de forma sistemática una revisión de medicación que, a mano, casi nunca se hace con este nivel de detalle en una consulta con presión de tiempo. Un tercio de los pacientes con polifarmacia tenía además función renal alterada, lo que añade otra capa de riesgo que un LLM puede ayudar a señalar antes de que se convierta en un problema clínico.
DOI: 10.1002/alz.71708
4. Seis chatbots, un tema delicado: depresión posparto
Un estudio en Frontiers in Psychiatry comparó seis chatbots —ChatGPT-5, ChatGPT-4o, Claude Sonnet 4.5, DeepSeek-V3.2, DeepSeek-R1 y Gemini 2.5 Pro— respondiendo a 200 preguntas tipo test sobre depresión posparto, y evaluó además la fiabilidad y legibilidad de las respuestas de los cuatro modelos más recientes ante preguntas abiertas de educación para pacientes.ChatGPT-5 obtuvo la mayor precisión (97,5%) y las mejores puntuaciones de calidad de contenido, pero el dato que de verdad importa para la práctica es otro: todos los modelos, sin excepción, generaron respuestas por encima del nivel de lectura recomendado (sexto grado), lo que limita su accesibilidad real para pacientes con menor alfabetización sanitaria o digital.
Además, la transparencia sobre fuentes y actualidad de la información fue baja en todos los modelos. Los propios autores concluyen que estos chatbots no deberían usarse como fuente autónoma de orientación en depresión posparto ni sustituir la valoración profesional — un matiz que conviene trasladar directamente a las pacientes que ya los están usando.
DOI: 10.3389/fpsyt.2026.1881536
Autoría: Marc Moreno. Elaborado con apoyo de IA y revisión clínica del equipo de Psiquiatria.com.
Explora el artículo con IA