Logo SAVALnet Logo SAVALnet

https://www.savalnet.ec/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 de Dermatología, Cirugía Plástica y Estética

Congreso de Dermatología, Cirugía Plástica y Estética 29 Enero 2026

Este evento de primer nivel ofrece una inmersión profunda en los últimos avances en estética médica, desde revolucionarias técnicas ...

Destacado Artículos Destacados

Efectividad de mirabegrón en el manejo del síndrome de vejiga hiperactiva

síndrome de vejiga hiperactiva, vejiga hiperactiva, incontinencia urinaria, mirabegrón, agonista beta-3 07 Noviembre 2025

Varios estudios evidencian que el fármaco reduce significativamente la urgencia, la frecuencia miccional y la incontinencia, además de ...

Vínculo entre alergias y una menor predisposición al cáncer

alergias, rinitis alérgica, asma, cáncer, riesgo de cáncer 27 Octubre 2025

Afecciones como la rinitis alérgica y el asma se asocian con un riesgo reducido de varios tipos de cáncer, incluyendo colorrectal, linf...

Destacado Progresos Médicos

Innovador anticonceptivo masculino oral no hormonal

anticonceptivos, métodos anticonceptivos, anticonceptivos orales, anticonceptivo masculino 13 Octubre 2025

El compuesto YCT-529 demuestra eficacia en modelos animales y un perfil de seguridad favorable en estudios clínicos de fase I, abriendo ...