Modelos de IA sugieren potencial para identificar signos de depresión

Un reciente estudio publicado en Jama Open Network sugiere que la inteligencia artificial (IA), a través de grandes modelos de lenguaje como ChatGPT, podría ser clave en la detección temprana de riesgos para la salud mental, como la depresión y el suicidio, en pacientes bajo tratamiento psiquiátrico.

Aunque los resultados son prometedores, los investigadores enfatizan la necesidad de continuar perfeccionando estos modelos antes de su implementación clínica.

La investigación, llevada a cabo por un equipo coreano, exploró la capacidad de los grandes modelos de lenguaje (LLM, por sus siglas en inglés) para identificar señales de alerta en la salud mental. Estos sistemas de IA, entrenados con enormes cantidades de datos, pueden comprender y generar lenguaje natural, abriendo un nuevo campo de posibilidades en la detección de la depresión y otras afecciones.

No obstante, normalizar este uso entre la comunidad podría significar una amenaza para el diagnóstico profesional y el seguimiento que realiza el personal de la salud mental.

«A mi juicio, el proceso diagnóstico podría eventualmente enriquecerse con el uso de tecnologias pero jamás reemplazar la mirada profesional humana porque es un trabajo dialógico, que se construye en el encuentro con el paciente y que requiere la construcción de una narrativa común», enfatizó el psicólogo clínico y académico de la Universidad de Santiago (Usach), Antonio Letelier.

IA analizó textos con información clave de los pacientes

El estudio también analizó los embeddings, una técnica de procesamiento del lenguaje natural que transforma el lenguaje humano en vectores matemáticos. Al igual que los LLM, los embeddings mostraron un potencial significativo en la identificación de riesgos para la salud mental a partir de textos generados por los pacientes.

Para la investigación, se recopilaron datos de 1.064 pacientes psiquiátricos de entre 18 y 39 años. Los participantes completaron pruebas de autoevaluación y ejercicios de frases incompletas, una técnica proyectiva que permite a los pacientes expresar sus pensamientos y sentimientos de manera indirecta. Este tipo de pruebas proporciona información subjetiva valiosa sobre la autopercepción del paciente y sus relaciones interpersonales.

Los datos obtenidos fueron procesados por diversos modelos de lenguaje, incluyendo GPT-4, Gemini 1.0 Pro y Google Deepmind, así como por modelos de incrustación de texto como text-embedding-3-large OpenAI. El análisis de estos datos reveló la capacidad de estos modelos para detectar señales de alerta relacionadas con la depresión y el suicidio.

Implementación clínica

A pesar del optimismo generado por los resultados, los investigadores advierten que es crucial continuar mejorando la precisión y la seguridad de estos modelos antes de su aplicación en la práctica clínica.

 La implementación de estas tecnologías podría facilitar el acceso a diagnósticos más rápidos y precisos, permitiendo intervenciones tempranas y, potencialmente, reduciendo el impacto de estas enfermedades en la vida de las personas.

Sin embargo, es fundamental que la adopción de estas tecnologías se realice de manera responsable y con la debida consideración de los desafíos éticos y prácticos que conlleva. Se requiere una mayor investigación para validar la eficacia de estos modelos en diferentes poblaciones y contextos, así como para establecer protocolos claros para su uso en la práctica clínica. 

«El mayor riesgo a mi juicio es la estandarización de la respuesta clinica, porque si la IA me ayuda a detectar, por ejemplo, una ideación suicida, no puedo confiar en que todas las personas respondan del mismo modo a la devolución o la intervención que la IA proponga», agregó Letelier.

Si tú o alguien que conoces, presenta síntomas de depresión o ideación suicida, la línea telefónica de prevención del suicidio está disponible las 24 horas del día, marcando al *4141.