Expertos aseguran que la inteligencia artificial podría ayudar a identificar a los pacientes de salud mental en riesgo de suicidio


Un nuevo sistema basado en IA logra que los médicos identifiquen con mayor frecuencia a pacientes en riesgo durante consultas rutinarias.
Investigadores del Centro Médico de la Universidad de Vanderbilt desarrollaron un sistema de inteligencia artificial (IA) que podría revolucionar la detección temprana de riesgos de suicidio en entornos médicos. El sistema, llamado Modelo de Probabilidad de Ideación e Intento de Suicidio de Vanderbilt (VSAIL), utiliza datos de los registros médicos electrónicos para calcular el riesgo de intento de suicidio dentro de los 30 días posteriores a la consulta.
Alertas emergentes, clave en la efectividad
El estudio, publicado en JAMA Network Open, comparó dos métodos de alerta: notificaciones emergentes que interrumpen el flujo de trabajo del médico y un sistema más pasivo que solo muestra información en el historial clínico del paciente. Los resultados mostraron que las alertas emergentes llevaron a los médicos a realizar evaluaciones de riesgo en el 42% de los casos, frente al 4% con el sistema pasivo.
“El cribado universal no es viable, pero herramientas como VSAIL nos permiten enfocar los esfuerzos en los pacientes de mayor riesgo”, explicó Colin Walsh, líder del estudio.
Durante seis meses, el sistema generó alertas para el 8% de las consultas en clínicas de neurología, donde ciertas condiciones están asociadas con mayor riesgo de suicidio. Ningún paciente identificado experimentó ideación suicida o intentos durante el seguimiento, destacando el potencial preventivo de estas evaluaciones.
Equilibrar efectividad y carga para los médicos
Si bien las alertas emergentes demostraron ser más efectivas, los investigadores advierten sobre el riesgo de “fatiga por alertas”, que podría reducir la atención a notificaciones importantes. Sin embargo, los resultados sugieren que este enfoque automatizado, bien implementado, podría extenderse a otros entornos médicos y salvar vidas mediante una detección más temprana y precisa del riesgo de suicidio.