Jorge, 41 años, veterano de una misión en Mali, acude derivado por su médico de Familia. Trae el PCL-5 cumplimentado en la sala de espera con una puntuación de 42, casi en el techo. Pero cuando hablamos, algo no encaja. Hay descripción intensa de los síntomas, sí, pero no hay la calidad clínica del TEPT genuino: ni el sobresalto a los r...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
Jorge, 41 años, veterano de una misión en Mali, acude derivado por su médico de Familia. Trae el PCL-5 cumplimentado en la sala de espera con una puntuación de 42, casi en el techo. Pero cuando hablamos, algo no encaja. Hay descripción intensa de los síntomas, sí, pero no hay la calidad clínica del TEPT genuino: ni el sobresalto a los ruidos del pasillo, ni el evitamiento real de los desencadenantes, ni la perturbación del sueño en el sentido fenomenológico que reconocemos. ¿Cómo distinguir lo que el cuestionario marca de lo que el paciente realmente tiene?
El trabajo de Katherine Wislocki y colaboradores en JMIR Formative Research esta semana da una respuesta concreta. Treinta y seis veteranos varones expuestos a trauma llevaron una semana un reloj de actigrafía y rellenaron un diario de sueño diario. Un modelo XGBoost predijo el diagnóstico clínico de TEPT con un AUC de 0,83 (sensibilidad 63%, especificidad 96%). Predijo el TEPT probable por PCL-5 ≥ 31 con AUC 0,84. Pero, atención al detalle: cuando intentaron predecir el corte más estricto del PCL-5 (≥ 38), el modelo se cayó a AUC 0,47. La actigrafía objetiva se alinea mejor con el diagnóstico clínico que con la auto puntuación extrema. Es decir: el sistema de movimiento y sueño del paciente está más cerca de lo que dice el clínico que de lo que dice el cuestionario. El mensaje para la consulta es directo. Cuando un paciente trae un PCL-5 disparado y el cuadro clínico no termina de cerrar, no es que estemos siendo escépticos: es que el cuerpo del paciente está dándonos información distinta a la del lápiz. La muestra es pequeña, todos varones militares, sin validación externa. Pero el principio es robusto y replicable.
Bajamos al hospital. Cualquier servicio de psiquiatría tiene miles de historias clínicas digitales con el dato clínico de verdad atrapado en el texto libre, no en los códigos CIE-10. El equipo de Dieter Zeeuws en Interactive Journal of Medical Research presenta esta semana el proyecto MOOD. Dos hospitales belgas, 1.147 adultos con TDM identificados combinando códigos diagnósticos y menciones detectadas por NLP en las notas. Pipeline sobre el texto libre para capturar síntomas, comorbilidades y eventos contextuales que nadie codifica. Tres hallazgos para discusión interna en cualquier servicio español. Primero: el 46% de los pacientes con TDM cumplían criterios de depresión resistente (TRD definida como inicio de un tercer antidepresivo distinto). Si tu intuición clínica te decía que casi la mitad de tus pacientes refractarios no aparecen como tales en la base de datos, este estudio te da la cifra. Segundo: el trastorno de ansiedad estaba presente en el 35,4% del global, pero en el 43,7% de los TRD frente al 28,4% de los no-TRD. Tercero, y para mí el más importante: la gravedad y las escalas de medida casi nunca están en los campos estructurados. Viven en las notas libres. El que no sepa explotar ese texto está dejando la mitad de la información clínica sin usar. Los autores declaran co-autoría con Johnson & Johnson, conviene tenerlo presente, pero el método es público y replicable.
Y aquí va el corolario clínico inmediato. Cuando llegue a tu consulta el paciente que ha pasado por tres antidepresivos sin remisión, la pregunta no es "qué cuarto fármaco le añado". Es: "¿Tiene ansiedad de base que nadie ha tratado en serio?". El estudio MOOD da números a esa intuición: la ansiedad comórbida está casi en uno de cada dos TRD, y muchas veces no aparece en el diagnóstico principal.
Saltamos a la esquizofrenia. Tongyi Zhang y colaboradores publican en BMC Medicine un estudio longitudinal con dos muestras chinas independientes (329 pacientes en la principal, 114 en validación externa). Evaluaron tres dimensiones de función ejecutiva (inhibición, memoria de trabajo, flexibilidad cognitiva) y aplicaron fuzzy clustering. Resultado: dos subtipos estables y replicables. El subtipo EF-Focal tiene déficits limitados a inhibición y flexibilidad, síntomas más leves, marcadores inflamatorios más bajos y mejor perfil metabólico. El subtipo EF-Global tiene déficits en las tres dimensiones, síntomas más graves, inflamación elevada y peor metabolismo. Los modelos entrenados clasifican correctamente al paciente nuevo (AUC 0,79) y, más importante, predicen la remisión a un año (AUC 0,78) independientemente de la gravedad sintomática inicial. Traducción a la práctica: si los subtipos se replican en muestras europeas y latinas (replicación pendiente, no la tenemos), el paciente con primer episodio psicótico y perfil "EF-Global" probablemente necesita desde la primera consulta un plan más agresivo, que incluya rehabilitación cognitiva intensiva e intervención sobre lo inflamatorio-metabólico. Hoy seguimos asumiendo que la decisión clínica se hace por gravedad sintomática; este estudio sugiere que la función ejecutiva basal es un predictor independiente que estamos ignorando.
Y para terminar, el trabajo más grande de la semana en volumen. Corey Richier y el grupo ENIGMA-Anxiety publican en Translational Psychiatry el primer análisis estructural a esta escala sobre el trastorno de ansiedad generalizada: 3.511 controles para entrenar la red, 1.595 pacientes con TAG y 4.552 controles sanos para testear. Con participación española destacable (Cardoner, Cano, Porta-Casteràs, desde Sant Pau y CIBERSAM). La pregunta era directa: ¿el cerebro del paciente con TAG envejece antes? La respuesta es matizada y, en mi opinión, más útil que un simple sí. No hay diferencia media en el "predicted age difference" entre TAG y controles. Pero hay mayor variabilidad en el PAD del grupo TAG, sobre todo a partir de los 25 años. Y la gravedad sintomática individual sí se correlaciona con el PAD, incluso ajustando por medicación y comorbilidades.
El cerebro del paciente con TAG es más heterogéneo, biológicamente, que el del control. Eso encaja con lo que llevamos veinte años viendo: dos pacientes con TAG idéntico de gravedad responden distinto al mismo tratamiento. La variabilidad es la diana, no la media.
Cuatro estudios, cuatro lentes, una conclusión común. El paciente nos da datos por tres canales: lo que dice (entrevista), lo que su comportamiento revela (actigrafía, texto libre acumulado en años de historia clínica) y lo que su biología muestra (RMN, neuropsicología, inflamación). Esta semana, los cuatro canales se han alineado en mostrarnos que la heterogeneidad es la regla, no la excepción. Ningún paciente cabe en una sola línea diagnóstica. La IA no nos viene a sustituir la entrevista: nos viene a recordar que la entrevista, sola, deja la mitad de los datos fuera.
Referencias
Wislocki K, Naderi G, Borelli JL, Pollack M, Granger DA, Cenkner DP, Canady M, Burgess HJ, Zalta AK. Detection of Posttraumatic Stress Disorder With Rest-Activity Data: Machine Learning Approach Using Wearable and Self-Report Data. JMIR Formative Research 2026;10:e86025. CC BY 4.0 ✅. DOI: 10.2196/86025
Zeeuws D, Bernagie K, De Bruecker G, Claeys I, Evenepoel C, Ver Donck F, Smeets D, Peeters E. Real-World Clinical Characterization of Major Depressive Disorder and Treatment-Resistant Depression Supported by Natural Language Processing: Multicenter Observational Study From the MOOD Project. Interactive Journal of Medical Research 2026;15:e86448. CC BY 4.0 ✅. DOI: 10.2196/86448
Zhang T, Huo X, Chen J, Zhao X. Executive function profiles identify stable schizophrenia subtypes with distinct symptoms, biological markers and treatment responses: a cross-time clustering and validation study. BMC Medicine 2026;24. CC BY 4.0 ✅. DOI: 10.1186/s12916-026-04955-0
Richier C, Zugman A, Harrewijn A, Cardinale EM, Khosravi P, ... Cardoner N, Porta-Casteràs D, Cano M, ... Sawyers CK (ENIGMA-Anxiety GAD Working Group). Brain age prediction in generalized anxiety disorder using a convolutional neural network. Translational Psychiatry 2026;16. CC BY 4.0 ✅. DOI: 10.1038/s41398-026-04078-3
6,4 créditos
Inicio: 28/10/2026 |Precio: 275€
Ver curso
Explora el artículo con IA