Un estudio internacional evaluó 11 modelos de lenguaje de código abierto y encontró que algunos pueden identificar síntomas de riesgo de psicosis con una precisión cercana a la de investigadores capacitados.
Un equipo de investigadores de Oxford, Cambridge y el King’s College London analizó si los modelos de lenguaje, la misma tecnología detrás de asistentes conversacionales de inteligencia artificial (IA), pueden ayudar a identificar a personas con riesgo clínico alto de psicosis (CHR-P) a partir de transcripciones de entrevistas médicas. Los resultados se publicaron en la npj Digital Medicine.
La psicosis representa el 10% de la carga global de enfermedad entre jóvenes. En la mayoría de los casos, antes de que aparezca un episodio de psicosis existe una fase previa detectable, en la que la persona presenta síntomas leves y cierta dificultad para funcionar en su vida diaria. Detectar esta fase temprano permite ofrecer tratamiento preventivo, pero actualmente solo entre 5% y 14% de las personas que después desarrollan psicosis son identificadas a tiempo.
El problema principal es que evaluar estos síntomas requiere entrevistas clínicas especializadas que pueden durar hasta dos horas y que solo pueden aplicar profesionales con entrenamiento específico. Esto limita la cantidad de personas que pueden ser evaluadas, sobre todo en servicios de salud con pocos recursos.
Para explorar una posible solución, los investigadores usaron 678 transcripciones parciales de entrevistas psiquiátricas realizadas a 373 participantes, provenientes de un estudio internacional llamado AMP-SCZ. Cada transcripción correspondía a los primeros 30 minutos de la entrevista y fue dividida en 15 categorías de síntomas, entre ellas pensamientos inusuales, desconfianza excesiva, ideas de grandeza y alteraciones perceptivas como escuchar o ver cosas que otras personas no perciben.
A cada uno de los 11 modelos de lenguaje se le pidió leer estas transcripciones y asignar una calificación de severidad y frecuencia para cada síntoma, además de explicar en qué parte del texto se basaba su decisión. Después, esas calificaciones se compararon con las que habían asignado previamente investigadores capacitados.
El modelo más grande, con 70 mil millones de parámetros, obtuvo los mejores resultados: acertó correctamente en el 80% de los casos al identificar si una persona cumplía o no criterios de riesgo, con una capacidad especialmente alta para detectar casos positivos, aunque con más dificultad para descartar correctamente a quienes no estaban en riesgo. En general, los modelos más grandes obtuvieron mejores resultados que los más pequeños, aunque un modelo de tamaño intermedio logró un desempeño competitivo utilizando muchos menos recursos de cómputo, lo que podría facilitar su uso en clínicas con equipos menos potentes.
Los investigadores también revisaron si el sistema mostraba diferencias importantes de desempeño según la edad, el origen étnico, el idioma materno o el género de los participantes, y encontraron que estas diferencias fueron mínimas en la mayoría de los casos. Sin embargo, sí se observaron variaciones más notorias entre los distintos centros médicos donde se recolectaron las entrevistas, lo que sugiere que el estilo de cada entrevistador y las características de cada población pueden influir en los resultados.
Además, dos expertos revisaron una muestra de los resúmenes que generó el modelo con mejor desempeño. Encontraron que el 93.3% de estos resúmenes representaban con fidelidad el contenido de la entrevista original. En 2.7% de los casos, el modelo agregó información que no estaba realmente en la transcripción, como afirmar que un síntoma causaba angustia o afectaba la vida diaria de la persona cuando esto no se había mencionado. El error más común, presente en más de la mitad de los casos analizados con mayor detalle, fue que el modelo interpretó como señal de alerta experiencias que, aunque inusuales, están dentro del rango de lo normal, por ejemplo sentir desconfianza tras haber sido víctima de acoso.
Los autores concluyen que estos modelos de lenguaje podrían convertirse en una herramienta de apoyo para agilizar la detección temprana de riesgo de psicosis, siempre bajo supervisión de un profesional de salud mental. Aclaran que, por ahora, esta tecnología debe entenderse como un primer filtro dentro de un proceso más amplio de evaluación clínica, y no como un sustituto del diagnóstico realizado por especialistas.
