El diagnóstico de esquizofrenia continúa siendo fundamentalmente clínico. En personas que viven con VIH, el proceso puede resultar especialmente complejo porque los síntomas psicóticos, cognitivos o conductuales pueden solaparse con trastornos neurocognitivos asociados al VIH, efectos de sustancias u otras complicaciones médicas. Un estudio publicado en F...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
El diagnóstico de esquizofrenia continúa siendo fundamentalmente clínico. En personas que viven con VIH, el proceso puede resultar especialmente complejo porque los síntomas psicóticos, cognitivos o conductuales pueden solaparse con trastornos neurocognitivos asociados al VIH, efectos de sustancias u otras complicaciones médicas.
Un estudio publicado en Frontiers in Psychiatry en 2026 exploró una estrategia diferente: utilizar 28 parámetros obtenidos mediante análisis sanguíneos rutinarios y seis algoritmos de aprendizaje automático para distinguir entre personas con VIH con y sin esquizofrenia.
El resultado más destacado fue el modelo basado en regresión Lasso, que alcanzó un AUC medio de 0,966 y una precisión cercana al 90 % durante la validación cruzada interna.
Los resultados son prometedores, pero existe una limitación decisiva: todos los pacientes con esquizofrenia estaban recibiendo antipsicóticos cuando se extrajeron las muestras de sangre. Por tanto, el algoritmo podría estar reconociendo parcialmente efectos del tratamiento y no exclusivamente una firma biológica de la enfermedad.
La esquizofrenia presenta una importante heterogeneidad clínica y actualmente no existe una prueba sanguínea que permita establecer su diagnóstico.
En personas con VIH, además, determinadas alteraciones neuropsiquiátricas pueden dificultar el diagnóstico diferencial. Esto ha impulsado la búsqueda de indicadores objetivos que puedan complementar —no sustituir— la evaluación psiquiátrica.
El hemograma resulta especialmente atractivo porque es:
La propuesta de los investigadores consistió en determinar si la combinación de múltiples variables hematológicas contenía un patrón capaz de diferenciar ambos grupos mejor que cada parámetro considerado de forma aislada.
El estudio retrospectivo incluyó 186 adultos con VIH atendidos en el Yunnan Provincial Hospital of Infectious Disease/Yunnan AIDS Care Center, en China, entre 2018 y 2024.
La muestra se dividió en:
El diagnóstico de esquizofrenia se estableció según criterios ICD-10.
Los grupos no mostraron diferencias significativas en edad o distribución por sexo, lo que facilitaba su comparación. Sin embargo, todos los participantes con esquizofrenia estaban tratados con antipsicóticos, una circunstancia especialmente relevante para interpretar los resultados.
Los investigadores analizaron 28 variables hematológicas e inflamatorias.
Entre las diferencias más consistentes, el grupo con esquizofrenia presentó valores significativamente inferiores de:
También se encontraron porcentajes superiores de monocitos y eosinófilos y un menor recuento absoluto de linfocitos.
En cambio, algunos indicadores inflamatorios ampliamente utilizados —como NLR, PLR, SII y SIRI— no mostraron diferencias significativas entre ambos grupos.
Este resultado sugiere que el patrón identificado no puede reducirse simplemente a una mayor inflamación sistémica general.
Los investigadores construyeron modelos utilizando seis técnicas:
El rendimiento se evaluó mediante validación cruzada de cinco particiones, manteniendo la selección de variables y el ajuste de hiperparámetros dentro del conjunto de entrenamiento para reducir el riesgo de fuga de información.
Lasso obtuvo el mejor rendimiento global
El modelo Lasso presentó:
Un AUC de 0,966 indica una capacidad discriminativa muy elevada dentro de esta muestra, pero no significa que el modelo tenga una precisión diagnóstica del 96,6 % ni que pueda trasladarse directamente a otros hospitales.
Esta distinción es fundamental: el estudio realizó validación interna, no validación externa independiente.
Para interpretar el funcionamiento de los algoritmos, los investigadores utilizaron SHAP (SHapley Additive exPlanations), una técnica que estima cuánto contribuye cada variable a las predicciones del modelo.
Entre los parámetros con mayor peso aparecieron:
1. PDW: amplitud de distribución plaquetaria.
2. MPV: volumen plaquetario medio.
3. MCV: volumen corpuscular medio.
4. HCT: hematocrito.
La importancia de una variable para un modelo predictivo no implica que sea causa de la esquizofrenia ni que constituya un biomarcador específico.
De hecho, el MPV no mostró una diferencia estadísticamente significativa después de los ajustes entre los grupos, pero aun así contribuyó a las predicciones del algoritmo. Este fenómeno ilustra una característica del aprendizaje automático: una variable puede adquirir utilidad por sus interacciones con otras aunque, aisladamente, discrimine poco.
El gran interrogante: ¿enfermedad o efecto de la medicación?
Esta es probablemente la cuestión más importante para interpretar el estudio.
Los 62 pacientes con esquizofrenia estaban tomando antipsicóticos cuando se realizó la extracción sanguínea. Los propios autores reconocen que estos fármacos pueden modificar parámetros inmunitarios y hematopoyéticos.
Además, en personas con VIH los parámetros sanguíneos pueden verse afectados por:
Por ello, no puede determinarse si el algoritmo identifica una firma de esquizofrenia, una firma farmacológica o una combinación de ambas.
Esta limitación es particularmente relevante si se pretende utilizar el modelo para detectar casos nuevos, precisamente aquellos pacientes que todavía no han recibido tratamiento.
No.
El estudio demuestra capacidad de clasificación dentro de una muestra concreta, pero todavía no valida una herramienta diagnóstica aplicable individualmente.
Antes de considerar un uso clínico serían necesarios:
El diseño fue además retrospectivo y unicéntrico, con una muestra relativamente reducida. Los propios autores reconocen que estas características limitan la generalización de los resultados.
Los resultados pueden resumirse en cinco puntos principales:
1. Un modelo de inteligencia artificial basado exclusivamente en parámetros sanguíneos rutinarios mostró una elevada capacidad para distinguir personas con VIH con y sin esquizofrenia.
2. La regresión Lasso obtuvo el mejor rendimiento, con un AUC medio de 0,966 y una exactitud cercana al 90 %.
3. PDW, MPV y MCV estuvieron entre las variables con mayor influencia en las predicciones.
4. El hallazgo no demuestra que estos parámetros sean biomarcadores específicos de esquizofrenia.
5. La principal limitación es que todos los pacientes con esquizofrenia recibían antipsicóticos, por lo que no puede descartarse que el algoritmo esté detectando parcialmente efectos farmacológicos.
El estudio muestra el potencial del machine learning para extraer información de pruebas clínicas sencillas y de bajo coste, especialmente en poblaciones con diagnósticos complejos. Sin embargo, su papel actual es investigador. La evaluación psiquiátrica continúa siendo imprescindible y será necesaria una validación externa rigurosa antes de plantear estos modelos como herramientas de apoyo diagnóstico.
Resumen y adaptación editorial: Virginia Candelas García (Cibermedicina / Psiquiatria.com)
Fuente original: Artificial intelligence-based diagnostic model for schizophrenia in individuals living with HIV - Front. Psychiatry, 09 March 2026Sec. SchizophreniaVolume 17 - 2026
Texto completo disponible en: https://www.frontiersin.org/journals/psychiatry/articles/10.3389/fpsyt.2026.1709861/full
Este contenido es un resumen adaptado. La autoría científica corresponde a los autores originales.
Artículo distribuido bajo licencia Creative Commons según la fuente original.
Explora el artículo con IA