No todos los pensamientos suicidas son igualesEn prevención del suicidio, la mayor parte de la investigación se ha centrado en la ideación suicida activa: aquellos pensamientos en los que la persona contempla explícitamente quitarse la vida. Sin embargo, existe otra forma de sufrimiento mucho más frecuente y menos estudiada: la ideación suicida pasiva, car...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquà .
No todos los pensamientos suicidas son iguales
En prevención del suicidio, la mayor parte de la investigación se ha centrado en la ideación suicida activa: aquellos pensamientos en los que la persona contempla explícitamente quitarse la vida. Sin embargo, existe otra forma de sufrimiento mucho más frecuente y menos estudiada: la ideación suicida pasiva, caracterizada por deseos de no despertar, de dejar de existir o de que la muerte llegue sin provocarla activamente.
Aunque durante años se ha considerado una forma "menos grave" de ideación suicida, la evidencia acumulada demuestra que también se asocia a un mayor riesgo de intento de suicidio y constituye un importante marcador de malestar psicológico.Un estudio publicado en Suicide and Life-Threatening Behavior da ahora un paso importante en este campo al demostrar que la inteligencia artificial puede anticipar con bastante precisión qué adolescentes presentarán ideación suicida pasiva al día siguiente.
Un seguimiento diario durante cuatro semanas
Los investigadores estudiaron a 78 adolescentes de entre 13 y 17 años recientemente dados de alta tras una hospitalización psiquiátrica por intento de suicidio o ideación suicida grave.Durante los 28 días posteriores al alta, cada participante completó evaluaciones diarias mediante el teléfono móvil sobre su estado emocional, desesperanza, sensación de carga, conexión social, rumiación, autoeficacia e ideación suicida.
A partir de esta información, los investigadores entrenaron distintos modelos de aprendizaje automático para responder a una pregunta muy concreta:¿Presentará este paciente ideación suicida pasiva mañana?
Una precisión cercana al 90 %
Los resultados fueron especialmente llamativos.Los mejores modelos alcanzaron un área bajo la curva (AUC) de 0,90, una precisión considerada muy alta para este tipo de predicciones clínicas.Además, todos los algoritmos superaron claramente a un modelo mucho más simple basado únicamente en asumir que el estado del paciente sería igual al del día anterior.Otro hallazgo interesante fue que los modelos más complejos no obtuvieron mejores resultados que algoritmos relativamente sencillos de regresión penalizada (Elastic Net).Según los autores, este resultado refuerza la idea de que, en muchas aplicaciones clínicas, la interpretabilidad puede ser tan importante como la complejidad del algoritmo.
Lo que mejor predice el riesgo es… el propio paciente
Uno de los hallazgos más relevantes del estudio es que los factores clásicos de riesgo —como los síntomas depresivos iniciales, la ansiedad, la desesperanza o los antecedentes clínicos— aportaron muy poca información adicional.En cambio, las variables que cambiaban diariamente fueron mucho más útiles.
Especialmente dos:
- la frecuencia de la ideación suicida pasiva durante los siete días previos;
- la duración de esos pensamientos.
Es decir, no basta con saber si un paciente ha tenido pensamientos de muerte.Importa cuánto tiempo permanecen esos pensamientos y cómo evolucionan día tras día.Para los autores, estos indicadores dinámicos capturan mucho mejor el riesgo inmediato que las características recogidas una sola vez durante el ingreso hospitalario.
Del perfil de riesgo al seguimiento personalizado
Este trabajo refleja un cambio de paradigma en la prevención del suicidio.Tradicionalmente, la evaluación del riesgo se ha basado en factores relativamente estables: antecedentes de intentos, diagnósticos psiquiátricos o escalas administradas durante una consulta.
Sin embargo, el riesgo suicida fluctúa de forma continua.La IA permite incorporar esa dimensión temporal, utilizando datos repetidos para generar predicciones mucho más adaptadas a la situación actual del paciente.Los autores sugieren que este enfoque podría integrarse en aplicaciones móviles capaces de monitorizar diariamente a personas especialmente vulnerables y activar intervenciones personalizadas cuando aumente el riesgo.
¿Qué implicaciones tiene para la práctica clínica?
Aunque el estudio es todavía exploratorio y requiere validación en muestras más amplias, sus implicaciones son importantes.
En primer lugar, pone de manifiesto que la ideación suicida pasiva merece mucha más atención clínica de la que ha recibido hasta ahora.
En segundo lugar, demuestra que la monitorización continua puede aportar información más útil que una evaluación puntual.Y, finalmente, refuerza una tendencia creciente en psiquiatría digital: la inteligencia artificial no pretende sustituir el juicio clínico, sino ayudar a identificar con mayor precisión los momentos en los que un paciente necesita apoyo adicional.
Conclusión
La prevención del suicidio está evolucionando desde modelos estáticos hacia estrategias dinámicas y personalizadas.Este estudio muestra que el aprendizaje automático puede anticipar con bastante precisión la aparición de ideación suicida pasiva utilizando información recogida diariamente por los propios pacientes.
Más que sustituir al profesional, la IA podría convertirse en una herramienta de vigilancia clínica continua, capaz de detectar cambios sutiles que pasarían desapercibidos entre consulta y consulta.En una especialidad donde horas o días pueden marcar la diferencia, disponer de sistemas que alerten precozmente sobre un aumento del riesgo puede convertirse en un avance relevante de la psiquiatría digital.
Referencia principal
Kentopp S, Francisco L, Chen M, Tewari A, Czyz EK.Prediction of next-day passive suicidal ideation among at-risk youth.Suicide and Life-Threatening Behavior. Publicado el 2 de julio de 2026.
DOI: https://doi.org/10.1111/sltb.70124
Jose Luis Frias Pulido
Médico - España
Fecha: 08/07/2026
9,1 créditos
Explora el artÃculo con IA