Introducción El predictive coding (PC) se ha consolidado en las dos últimas décadas como uno de los marcos teóricos más influyentes en la neurociencia cognitiva contemporánea. Según este enfoque, el cerebro funciona como un sistema jerárquico de inferencia bayesiana que genera predicciones constantes sobre el entorno y ajusta dichas predicci...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
El predictive coding (PC) se ha consolidado en las dos últimas décadas como uno de los marcos teóricos más influyentes en la neurociencia cognitiva contemporánea. Según este enfoque, el cerebro funciona como un sistema jerárquico de inferencia bayesiana que genera predicciones constantes sobre el entorno y ajusta dichas predicciones minimizando el error entre lo esperado y la información sensorial entrante. Este proceso de minimización del error de predicción permitiría explicar desde la percepción hasta la acción y la cognición de alto nivel.
El atractivo del predictive coding ha impulsado su rápida adopción en la neurociencia clínica y la psiquiatría, donde se ha propuesto como un marco unificador capaz de explicar fenómenos psicopatológicos diversos mediante alteraciones en la señalización del error de predicción, el peso asignado a la evidencia sensorial (precisión) o la estructura jerárquica de las creencias. Sin embargo, pese a su elegancia formal, la traslación del PC a explicaciones clínicas concretas ha sido desigual y no exenta de controversias.
Este artículo ofrece una revisión crítica de la aplicabilidad clínica del predictive coding en tres dominios diagnósticos clave: esquizofrenia, trastornos del espectro autista (TEA) y trastornos del estado de ánimo y ansiedad. El objetivo es delimitar con mayor precisión qué aporta este marco a la comprensión mecanicista de la psicopatología y dónde sus explicaciones siguen siendo provisionales o insuficientemente operativizadas.
Desde el punto de vista computacional, el predictive coding postula que las representaciones cerebrales se organizan jerárquicamente. Los niveles superiores generan predicciones que se comparan con la entrada sensorial procesada en niveles inferiores. Las discrepancias generan errores de predicción, que se propagan hacia arriba para actualizar las creencias internas.
Un elemento central del modelo es la precisión, entendida como la estimación de la fiabilidad relativa de la señal sensorial frente a las creencias previas. Las alteraciones en este balance han sido propuestas como el núcleo computacional de múltiples síntomas psiquiátricos. No obstante, traducir estos constructos formales a variables neurobiológicas y clínicas observables sigue siendo uno de los principales retos del enfoque.
La esquizofrenia ha sido uno de los trastornos más ampliamente analizados desde el prisma del predictive coding. Diversos modelos sugieren que los síntomas psicóticos, en particular las alucinaciones y los delirios, podrían surgir de una alteración en la señalización del error de predicción o en la precisión asignada a las creencias previas.
Algunas formulaciones proponen una hiperprecisión de los errores sensoriales, lo que conduciría a una atribución aberrante de saliencia a estímulos irrelevantes. Otras, por el contrario, postulan una hiperprecisión de los priors de alto nivel, favoreciendo interpretaciones delirantes resistentes a la evidencia contradictoria. Esta falta de consenso refleja una tensión teórica persistente dentro del propio marco del PC.
Los estudios de neuroimagen y electrofisiología han identificado alteraciones en potenciales evocados, conectividad funcional y señalización dopaminérgica compatibles con disfunciones en la inferencia predictiva. Sin embargo, la relación directa entre estos marcadores neuronales y fenómenos clínicos específicos sigue siendo en gran medida correlacional.
En el caso del autismo, el predictive coding se ha utilizado para explicar la hipersensibilidad sensorial, la rigidez cognitiva y las dificultades en la integración contextual. Una hipótesis influyente plantea que las personas con TEA asignarían una precisión excesiva a la información sensorial de bajo nivel, reduciendo el peso de las expectativas previas y dificultando la generalización.
Este enfoque ha resultado conceptualmente útil para reinterpretar fenómenos clínicos bien conocidos, como la sobrecarga sensorial o la preferencia por entornos predecibles. No obstante, los resultados empíricos son heterogéneos. Algunos estudios apoyan la idea de un procesamiento sensorial “menos predictivo”, mientras que otros no encuentran diferencias consistentes en tareas de aprendizaje o adaptación perceptiva.
Además, existe el riesgo de sobreextender el marco explicativo, utilizando el predictive coding como una metáfora flexible más que como un modelo estrictamente falsable. Esta ambigüedad limita su valor como herramienta clínica o diagnóstica.
Trastornos del estado de ánimo y ansiedad: inferencia afectiva
La aplicación del predictive coding a los trastornos del estado de ánimo y la ansiedad ha puesto el foco en la inferencia interoceptiva y la regulación afectiva. Desde esta perspectiva, la ansiedad podría entenderse como una expectativa persistente de amenaza, mantenida por priors de alta precisión que sesgan la interpretación de señales corporales ambiguas.
En la depresión, se ha propuesto que los modelos internos negativos sobre uno mismo y el futuro adquieren una rigidez excesiva, dificultando su actualización incluso ante experiencias positivas. Estos planteamientos resultan conceptualmente atractivos y coherentes con modelos cognitivos clásicos, pero su valor añadido específico respecto a teorías previas sigue siendo debatido.
A nivel empírico, la evidencia que vincula directamente parámetros computacionales del PC con síntomas afectivos es aún limitada, y la mayoría de los estudios utilizan proxies indirectos difíciles de interpretar de forma unívoca.
Uno de los principales problemas del predictive coding en psiquiatría es la inconsistencia terminológica y conceptual entre estudios y dominios diagnósticos. Conceptos como “precisión”, “prior” o “error de predicción” se utilizan con significados variables, lo que dificulta la comparación de resultados.
Asimismo, persiste una brecha significativa entre los modelos computacionales formales y las medidas clínicas y conductuales disponibles. La falta de tareas estandarizadas y biomarcadores específicos limita la capacidad del PC para generar predicciones clínicas claras y contrastables.
Finalmente, existe el riesgo de que el predictive coding funcione como un marco excesivamente general, capaz de acomodar resultados contradictorios sin ser realmente refutado, lo que plantea interrogantes sobre su estatus científico en el contexto clínico.
- El predictive coding ofrece un lenguaje computacional común para integrar percepción, cognición y emoción en psiquiatría.
- Su aplicación ha generado hipótesis mecanicistas plausibles en esquizofrenia, autismo y trastornos afectivos.
- Sin embargo, la evidencia empírica es heterogénea y las interpretaciones clínicas siguen siendo en gran parte provisionales.
- Para avanzar, se requieren modelos más precisos, tareas experimentales validadas y una mayor claridad conceptual.
- En su estado actual, el predictive coding debe considerarse una herramienta heurística, más que un marco clínico plenamente operativo.
Resumen y adaptación editorial: Virginia Candelas García (Cibermedicina / Psiquiatria.com)
Fuente original: Predictive coding in psychopathology: mechanistic model or metaphorical re-description? - Front Hum Neurosci. 2026 Jan 16;19:1743028
Texto completo disponible en:https://pmc.ncbi.nlm.nih.gov/articles/PMC12855524/
Este contenido es un resumen adaptado. La autoría científica corresponde a los autores originales.
Artículo distribuido bajo licencia Creative Commons según la fuente original.
4,2 créditos
Inicio: 22/04/2026 |Precio: 120€
Ver curso
Explora el artículo con IA