La consulta con adolescentes lleva años cambiando despacio. En los últimos doce meses ha cambiado de golpe. Tres trabajos publicados entre el 13 y el 15 de mayo permiten ponerle palabras a esa transformación.
El ecosistema digital específico de los chicos
El primero lo firma Jason Nagata y un equipo de la University of California San Francisco, la University of Wisconsin-Madison y la Uniformed Services University, publicado en Current Psychiatry Reports. Es una revisión narrativa de la literatura reciente sobre uso de medios digitales y salud psicosocial en adolescentes varones y jóvenes adultos. La pregunta editorial es directa: ¿qué riesgos específicos tienen los chicos que no estamos capturando bien con los cribados habituales, pensados en clave neutra de género?
Los autores describen un patrón de uso diferencial bastante consolidado en la literatura:
- Mayor consumo de videojuegos competitivos y plataformas asociadas (Discord, streaming).
- Mayor exposición a contenido de redes sociales orientadas a la masculinidad y al físico (transformación corporal, dismorfia muscular, suplementación, "looksmaxxing").
- Mayor presencia en comunidades online de la llamada manosfera — espacios con discursos sobre relaciones, género y jerarquía social que han evolucionado en complejidad y en algoritmo de captación.
- Y lo nuevo: uso emergente de herramientas de IA generativa con función relacional o emocional. Esto incluye "compañeras virtuales" (apps como Replika, Character.AI y derivados), chatbots de simulación de seducción, y uso de modelos generativos como sustituto de contacto social o como entrenador de habilidades sociales.
Los autores articulan vías de impacto sobre salud mental que ya tenemos identificadas en literatura clásica — depresión, ansiedad, dismorfia muscular, trastornos de la conducta alimentaria subdiagnosticados en varones, aislamiento social — pero recolocadas en el ecosistema digital actual. Su recomendación operativa es clara: dejar de usar cribados genéricos de "uso de pantallas" y construir aproximaciones específicas por perfil.
La limitación del trabajo está explicitada por los propios autores: es una revisión narrativa, no cuantifica magnitudes ni hace metaanálisis. El foco es norteamericano, y la translación europea necesita validación local. Pero la categorización del problema es útil aquí y ahora.
El tipo de acoso importa más que la intensidad
El segundo trabajo lo firman YuJing Gao y un equipo de la Guizhou Normal University, publicado en BMC Public Health. 1.981 adolescentes chinos de 11 a 18 años, con medidas estandarizadas de victimización por acoso, depresión, ansiedad, calidad de la amistad, regulación emocional, soporte social, clima escolar, temperamento iracundo y desconexión moral. Aplicaron múltiples algoritmos de machine learning con validación cruzada quintuple e interpretabilidad mediante SHAP.
El hallazgo central no es metodológico sino clínico:
- Cada tipo de victimización (verbal, físico, relacional, ciberacoso) rinde mejor con un algoritmo distinto. No hay un "mejor modelo" único, y eso ya dice algo: los procesos detrás de cada tipo de acoso no son intercambiables.
- Hay factores de riesgo comunes a todos los tipos: depresión, ansiedad, reacción airada y desconexión moral. Hay un factor protector común: la buena relación entre alumnos.
- Pero los factores específicos divergen. La propensión a la ira y el género diferencian unos tipos de otros. El conflicto y la traición pesan más en el acoso relacional. El clima escolar pesa específicamente en el verbal. El uso problemático del móvil sale, como cabía esperar, en el ciberacoso.
La traducción clínica es la pregunta que conviene reformular. Cuando un adolescente cuenta acoso, la pregunta útil no es "qué intensidad tiene" sino qué tipo es, porque lo que hay que intervenir cambia. Verbal — clima escolar y de aula. Relacional — dinámica de amistades, especialmente en chicas. Ciberacoso — uso del móvil, exposición a grupos, anonimato. Físico — supervisión, contexto familiar, lesiones somáticas.
Y si el paciente ya está usando un chatbot, ¿qué le decimos?
Aquí entra el tercer trabajo, la revisión de alcance de Matheus Lokadjaja y colegas de la Nanyang Technological University de Singapur, publicada en JMIR Mental Health. Revisaron 3.121 referencias y se quedaron con 41 estudios publicados entre enero 2023 y octubre 2025 sobre LLM aplicados a salud mental.
El dato editorialmente fuerte: solo el 31,7% de los estudios validan el rendimiento del LLM contra evaluaciones de clínicos reales con pacientes reales. Los otros dos tercios se apoyan en viñetas, preguntas de examen tipo USMLE o posts de redes sociales. El 75,6% de los estudios se centran en tareas diagnósticas, no terapéuticas. El campo está dominado por GPT-4 (58,5% de los estudios) y GPT-3.5 (39%) — es decir, dependiente de modelos cerrados de un único proveedor.
La consecuencia para la conversación con un adolescente que ya está usando un chatbot como Replika o Character.AI es esta: ninguna de estas herramientas comerciales tiene, hoy, validación clínica en pacientes con sintomatología real. Lo que sabemos del impacto se basa, casi todo, en simulaciones, escenarios construidos y autoinforme.
Lo que se puede llevar a la consulta del lunes
Tres aterrizajes prácticos.
Primero: añadir a la entrevista habitual con adolescentes tres preguntas concretas. No genéricas. ¿Usas algún chatbot o app de IA para hablar de cómo te sientes o como compañía? ¿Cuánto tiempo al día? ¿Hay temas que solo hablas con esa app y no con personas?. Las respuestas son habitualmente francas en este grupo de edad. Si el chico o chica responde que sí a las tres, eso ya es información clínica relevante, no curiosidad sociológica.
Segundo: cuando un adolescente cuente acoso, la pregunta operativa no es "cómo te sientes" en abstracto, sino qué tipo de acoso es. Verbal, físico, relacional, ciberacoso. Cada uno se interviene desde una palanca distinta. Pedir a la familia que hable con el tutor del centro tiene sentido en acoso verbal; en relacional, normalmente no funciona.
Tercero: si el paciente o la familia te traen una herramienta concreta — "estamos usando esta app de IA, ¿qué le parece, doctor?" — la respuesta honesta es que no hay validación clínica publicada de la mayoría de productos comerciales del mercado. No es negarse, es dar contexto. Lo que sí está empezando a verse en literatura seria son chatbots específicos de salud mental con ensayos clínicos publicados (Wysa, Woebot —dado de baja recientemente—, Therabot). Si la familia quiere usar algo, conviene orientar hacia esos, no hacia las "compañeras virtuales" generalistas.
La consulta con adolescentes en 2026 tiene preguntas nuevas. Pero el método de siempre — entrevista detallada, contexto familiar, escuela, sueño, sustancias, pantallas — sigue siendo el chasis sobre el que se montan.
Referencias
- Nagata JM, Low P, Lee ED, Yu S, Leong AW, Bao K, Wong JH, Moreno MA, Lavender JM. Digital Media Use and Psychosocial Health among Adolescent Boys and Young Men. Current Psychiatry Reports. 2026;28(1). DOI: 10.1007/s11920-026-01681-5
- Gao Y, Chen W, Wang Y, Fei S, Sun D. Toward precision prevention: machine learning-identified risk and protective factors for distinct bullying victimization types among Chinese adolescents. BMC Public Health. 2026. DOI: 10.1186/s12889-026-27447-5
- Lokadjaja MC, Kho JJ, Schulz PJ, Goh WWB. Large Language Models and Their Applications in Mental Health: Scoping Review. JMIR Mental Health. 2026;13:e88057. DOI: 10.2196/88057
Explora el artículo con IA