Logo SAVALnet Logo SAVALnet

https://www.savalnet.bo/cienciaymedicina/destacados/ia-como-aliada-en-la-deteccion-temprana-de-trastornos-mentales.html
03 Marzo 2025

IA como aliada en la detección temprana de trastornos mentales

Un modelo de machine learning que utiliza datos de registros médicos puede predecir la evolución hacia la esquizofrenia y el trastorno bipolar, siendo especialmente eficaz en la anticipación de la esquizofrenia.

Los trastornos mentales, como la esquizofrenia y el trastorno bipolar, afectan negativamente las relaciones sociales, la capacidad laboral y la esperanza de vida. Aunque los síntomas suelen manifestarse al final de la adolescencia o al inicio de la adultez, el diagnóstico a menudo se retrasa, lo que dificulta el inicio de un tratamiento adecuado.

Investigadores en Dinamarca estudiaron si los modelos de machine learning, usando datos comunes de registros médicos electrónicos, pueden predecir si pacientes tratados por otras enfermedades mentales desarrollarán esquizofrenia o trastorno bipolar.

Este estudio analizó datos de registros médicos electrónicos, que incluían medicamentos, diagnósticos y notas clínicas, de los Servicios Psiquiátricos de la Región Central de Dinamarca. Se evaluó a 24.449 pacientes de 15 a 60 años (56,6% mujeres) que tuvieron al menos dos citas en estos servicios. Se examinó si los pacientes desarrollarían esquizofrenia o trastorno bipolar en un plazo de 5 años, utilizando modelos de predicción un día antes de sus citas. Se utilizó la métrica AUROC para determinar cuál modelo de predicción fue el más efectivo.

El modelo XGBoost predijo la aparición de esquizofrenia o trastorno bipolar con un AUROC de 0,70 en el grupo de entrenamiento y 0,64 en el grupo de prueba, que incluyó dos hospitales. Con una tasa de predicción positiva del 4%, el modelo mostró una sensibilidad del 9,3%, una especificidad del 96,3% y un valor predictivo positivo (VPP) del 13%. 

Al predecir esquizofrenia por separado, el modelo tuvo un mejor rendimiento (AUROC de 0,80, sensibilidad del 19,4%, especificidad del 96,3% y VPP del 10,8%) en comparación con el trastorno bipolar (AUROC de 0,62, sensibilidad del 9,9%, especificidad del 96,2% y VPP del 8,4%). Las notas clínicas fueron especialmente útiles para hacer estas predicciones.

Estos hallazgos sugieren que es posible predecir la transición a la esquizofrenia y al trastorno bipolar a partir de datos clínicos rutinarios extraídos de registros médicos electrónicos. Además, la esquizofrenia resulta ser mucho más fácil de predecir que el trastorno bipolar.

Fuente bibliográfica

Predicting Diagnostic Progression to Schizophrenia or Bipolar Disorder via Machine Learning

Hansen L, et al.

DOI: 10.1001/jamapsychiatry.2024.4702

IA como aliada en la detección temprana de trastornos mentales

Ciencia y Medicina

Destacado Agenda de Eventos

Congreso INSPIRED 2026

capacitación, congreso, enfermedades respiratoria, inspired 25 Junio 2026

Plataforma dinámica para compartir los últimos avances en ciencia, atención clínica y salud pública relacionados con las enfermedade...

Destacado Artículos Destacados

Enfermedad celíaca: estrategias actuales para diagnóstico y tratamiento

enfermedad celíaca, gluten, dieta gluten free, prueba serológica tTG-IgA, IgA anti-transglutaminasa tisular, HLA-DQ2, HLA-DQ8 17 Abril 2026

La prueba serológica tTG-IgA inicia el diagnóstico, complementada por análisis genéticos. Un enfoque sin biopsia es viable en ciertos...

Melatonina para prevenir el delirium en pacientes críticamente enfermos

delirium, pacientes críticamente enfermos, UCI, melatonina 01 Abril 2026

Su suplementación reduce la incidencia de esta alteración mental grave en adultos en la UCI, aunque no tiene un impacto significativo e...

Destacado Progresos Médicos

Serotonina y dopamina: dúo estratégico en el TDAH

trastorno por déficit de atención e hiperactividad, TDAH, tratamiento TDAH, serotonina, dopamina 02 Marzo 2026

Ambos neurotransmisores influyen en la sintomatología del trastorno, siendo la disfunción en la disponibilidad de serotonina un factor ...