Un equipo internacional de investigadores, liderado desde la Universidad de Hong Kong, presentó una hoja de ruta para incorporar la inteligencia artificial en salud mental mediante herramientas capaces de integrar información cerebral, síntomas clínicos, antecedentes personales y condiciones sociales. La propuesta, publicada en la revista Psychotherapy and Psychosomatics, plantea que estas tecnologías podrían contribuir a personalizar los tratamientos y mejorar las decisiones clínicas. Sin embargo, advierte que su implementación requiere evidencia sobre beneficios para los pacientes, evaluaciones rigurosas de seguridad y supervisión profesional.
La investigación, encabezada por Benjamin Becker, profesor del Departamento de Psicología de la Universidad de Hong Kong, contó con la participación de especialistas de instituciones como la Universidad de Cambridge, la Universidad de California en Berkeley y la Universidad Nacional de Singapur. El trabajo fue publicado el 18 de septiembre de 2026 y difundido institucionalmente el 25 de octubre.
Se trata de una revisión científica que examina las oportunidades y los desafíos de la inteligencia artificial, las tecnologías digitales y las neurotecnologías en psiquiatría, psicoterapia y medicina psicosomática. El documento, titulado The Future of Artificial Intelligence and Emerging Technologies in Mental Health: Prospects, Challenges, and a Roadmap for Personalized Treatment, propone prioridades para orientar su desarrollo, evaluación e incorporación responsable a los servicios sanitarios.
Inteligencia artificial en salud mental y el camino hacia tratamientos personalizados
Uno de los principales planteamientos de los investigadores es que la inteligencia artificial en salud mental podría contribuir a superar algunas limitaciones de los enfoques tradicionales de evaluación y selección terapéutica. Los trastornos mentales presentan una considerable heterogeneidad clínica, dependen de múltiples factores biológicos, psicológicos y sociales, y muestran diferencias importantes en la respuesta individual a los tratamientos.
Frente a esta complejidad, los autores proponen avanzar hacia modelos de atención centrados en la persona, capaces de combinar distintos tipos de información para construir una comprensión más completa de cada caso. El objetivo es apoyar decisiones clínicas que consideren tanto las manifestaciones de los trastornos como las circunstancias particulares en las que se desarrollan.
Este enfoque contempla integrar síntomas y evaluaciones clínicas con mediciones cerebrales, antecedentes personales, experiencias de vida y condiciones sociales. La combinación de estas dimensiones permitiría explorar herramientas de apoyo para seleccionar intervenciones y adaptar las estrategias terapéuticas durante el seguimiento, aunque su utilidad deberá demostrarse mediante investigación clínica.
La revisión también advierte que una mayor capacidad para procesar información no equivale necesariamente a una mejor atención. La precisión computacional debe complementarse con el juicio profesional y la comprensión de las experiencias de los pacientes, especialmente en un campo donde la relación terapéutica constituye un componente fundamental del tratamiento.
Neuroimagen, monitoreo digital y neuromodulación amplían las aplicaciones de la IA
La investigación analiza tecnologías que van más allá de los asistentes conversacionales y que podrían intervenir en diferentes momentos del proceso asistencial. Estas aplicaciones abarcan desde la evaluación diagnóstica y el desarrollo de biomarcadores hasta la selección de tratamientos y el seguimiento de la respuesta terapéutica.
Entre los campos examinados se encuentran:
- Neuroimagen y biomarcadores: utilización de información cerebral y otras mediciones biológicas para investigar características individuales relevantes para la evaluación y las decisiones terapéuticas.
- Monitoreo mediante teléfonos inteligentes: herramientas digitales que podrían aportar información longitudinal sobre la evolución de los pacientes y facilitar el seguimiento clínico.
- Neuromodulación personalizada: incorporación de métodos computacionales para explorar intervenciones de estimulación cerebral ajustadas a características individuales.
- Intervenciones adaptativas: estrategias que buscan modificar el abordaje terapéutico de acuerdo con la evolución clínica y las necesidades de cada persona.
La Universidad de Hong Kong destaca que estas herramientas ofrecen nuevas posibilidades para apoyar la evaluación, el tratamiento y el seguimiento. No obstante, señala que varias aplicaciones permanecen en etapas tempranas y necesitan estudios rigurosos que integren conocimientos de neurociencias, psicología, salud mental y las perspectivas de los propios pacientes.
La validación clínica es tan importante como la precisión de los algoritmos
La revisión establece una distinción entre el rendimiento técnico de los sistemas de inteligencia artificial y su verdadero valor clínico. Un algoritmo puede identificar patrones complejos o procesar grandes volúmenes de información sin que ello demuestre, por sí mismo, mejoras en los resultados de la atención sanitaria.
Por esta razón, los investigadores plantean que la evaluación de estas tecnologías debe considerar su contribución a las decisiones terapéuticas, los resultados obtenidos por los pacientes y su calidad de vida. También resulta necesario determinar si las herramientas funcionan adecuadamente en contextos clínicos diversos y si sus beneficios justifican los riesgos de implementación.
Esta perspectiva sitúa la validación clínica como una condición fundamental para avanzar desde el desarrollo tecnológico hacia su utilización asistencial. La revisión no presenta los sistemas analizados como soluciones de eficacia generalizada ni demuestra, mediante un nuevo ensayo clínico, que una intervención específica sea superior a los tratamientos convencionales.
Seguridad, privacidad y equidad condicionan la implementación clínica
Los investigadores identifican desafíos relacionados con la seguridad, los sesgos de los algoritmos, la privacidad de la información y la gobernanza de las tecnologías. Estas preocupaciones adquieren especial importancia cuando los sistemas procesan datos sensibles sobre síntomas psicológicos, antecedentes personales y situaciones de vulnerabilidad.
Las prioridades señaladas incluyen:
- Protección de datos: establecer salvaguardas para el manejo de información clínica y personal sensible.
- Prevención de sesgos: evaluar posibles diferencias de funcionamiento entre poblaciones y contextos asistenciales.
- Seguridad del paciente: identificar y reducir riesgos asociados con recomendaciones perjudiciales o inadecuadas.
- Supervisión y gobernanza: definir mecanismos de responsabilidad y control sobre el uso clínico de las herramientas.
- Evaluación de resultados: comprobar que su incorporación produzca beneficios relevantes para los pacientes.
Estas cuestiones también forman parte del debate regulatorio internacional. Como ha documentado CONSULTORSALUD en su análisis sobre los vacíos regulatorios de la IA en salud mental, diferenciar las tecnologías según sus funciones y riesgos constituye uno de los desafíos para establecer mecanismos adecuados de evaluación y supervisión.
¿Pueden los chatbots de inteligencia artificial reemplazar a los profesionales de salud mental?
La revisión dedica parte de su análisis a la inteligencia artificial conversacional y los chatbots terapéuticos, herramientas que podrían apoyar determinadas actividades de evaluación, participación del paciente y atención de síntomas. Sin embargo, los investigadores advierten que su diseño debe fundamentarse en enfoques terapéuticos respaldados por evidencia científica.
La distinción resulta relevante porque los asistentes conversacionales de propósito general no equivalen a intervenciones terapéuticas clínicamente validadas. La Universidad de Hong Kong señala que la evidencia disponible no respalda sustituir la terapia proporcionada por profesionales ni depender de sistemas autónomos para manejar situaciones clínicas de alto riesgo.
Los autores defienden un modelo en el que la inteligencia artificial complemente las capacidades humanas y preserve la relación terapéutica. En consecuencia, su posible contribución debe evaluarse en función de su capacidad para fortalecer la atención profesional, apoyar las decisiones clínicas y ofrecer beneficios demostrables, sin trasladar automáticamente a los algoritmos responsabilidades asistenciales.
¿Qué se necesita para incorporar la inteligencia artificial en la atención de salud mental?
La hoja de ruta plantea que el avance de estas tecnologías dependerá de una colaboración interdisciplinaria que reúna especialistas en inteligencia artificial, neurociencias, psicología, psiquiatría y otras áreas de atención sanitaria. La participación de pacientes y profesionales también se considera necesaria para desarrollar herramientas sensibles a las necesidades individuales y a los contextos de atención.
Asimismo, los investigadores proponen orientar las futuras evaluaciones hacia resultados clínicos verificables, mecanismos de supervisión ética y estrategias que reduzcan las desigualdades. Esto implica ir más allá de la capacidad predictiva de los modelos y examinar su funcionamiento en escenarios asistenciales reales.
La revisión sitúa así la personalización como una de las principales oportunidades de la inteligencia artificial en salud mental, pero condiciona su desarrollo a la generación de evidencia, la seguridad y el mantenimiento del juicio clínico. Para los servicios sanitarios, el desafío será determinar qué aplicaciones pueden mejorar efectivamente las decisiones terapéuticas y los resultados de los pacientes, sin debilitar la dimensión humana de la atención.
