Los investigadores están explorando un nuevo uso de la inteligencia artificial que eventualmente podría ayudar a identificar a personas con mayor riesgo de desarrollar depresión antes de que aparezcan síntomas perceptibles.

El enfoque combina la inteligencia artificial con imágenes cerebrales, lo que permite a los investigadores examinar cómo responde el cerebro a diferentes señales emocionales e identificar patrones asociados con el riesgo futuro de depresión.

Según la información que circula en la comunidad de criptomonedas y tecnología, los investigadores entrenaron un sistema de IA utilizando escaneos cerebrales de adolescentes, incluidos participantes con y sin síntomas de depresión. A los participantes se les mostraron rostros con expresiones de felicidad, neutralidad y enojo mientras la resonancia magnética, o MRI por sus siglas en inglés, registraba la actividad de sus cerebros.

Los investigadores luego utilizaron los patrones cerebrales resultantes para entrenar un modelo de inteligencia artificial diseñado para distinguir diferencias en el procesamiento emocional.

El concepto forma parte de un área de la neurociencia en rápida evolución en la que los investigadores utilizan el aprendizaje automático para identificar patrones biológicos y conductuales que podrían estar asociados con futuros trastornos de salud mental.

Sin embargo, es importante distinguir entre predecir un riesgo elevado y diagnosticar depresión. Un sistema de IA que identifica un patrón estadístico no puede determinar @coinbureau con certeza que un individuo desarrollará el trastorno.

Cómo analizó la IA las respuestas emocionales

El enfoque de investigación se centra en cómo responde el cerebro cuando las personas procesan expresiones faciales.

A los participantes se les presentaron rostros con diferentes emociones mientras se sometían a escaneos de resonancia magnética. Las imágenes ofrecieron a los investigadores una vista detallada de los cambios en la actividad cerebral mientras los adolescentes procesaban información emocional positiva, neutral y negativa.

La idea subyacente es que la depresión puede estar asociada con cambios en la forma en que las personas procesan la información emocional.

Investigaciones científicas previas han encontrado que las diferencias en las respuestas cerebrales a las expresiones faciales pueden estar asociadas con síntomas depresivos posteriores. Un estudio, por ejemplo, encontró que la actividad en la amígdala cuando adultos jóvenes observaban rostros neutrales estaba asociada con un aumento de los síntomas depresivos dos años después.

Los investigadores ahora analizan si la inteligencia artificial puede combinar estos patrones sutiles en múltiples regiones cerebrales y utilizarlos para estimar el riesgo futuro de manera más eficaz que el análisis convencional.

La IA busca patrones ocultos

El aprendizaje automático puede examinar cantidades enormes de datos e identificar relaciones que pueden ser difíciles de detectar mediante métodos estadísticos tradicionales.

En la investigación reportada, la IA aprendió patrones asociados con diferencias en el procesamiento emocional. Los adolescentes considerados más vulnerables a la depresión parecían procesar la información emocional de manera diferente, incluida una mayor tendencia a interpretar expresiones faciales ambiguas o negativas de una forma menos positiva.

El sistema se aplicó luego a escaneos cerebrales de jóvenes que no presentaban síntomas evidentes de depresión en ese momento.

El propósito no era diagnosticar depresión en ese momento. En cambio, los investigadores querían determinar si los patrones cerebrales identificados por la IA podían indicar una mayor probabilidad de desarrollar síntomas más adelante.

Cuando los participantes fueron evaluados nuevamente varios años después, aquellos que habían sido clasificados como de alto riesgo presentaban, según los informes, más probabilidades de haber desarrollado síntomas depresivos.

Ese tipo de investigación longitudinal es particularmente importante porque pone a prueba si una señal biológica observada antes de la aparición de los síntomas tiene alguna relación con resultados posteriores de salud mental.

Una predicción a cuatro años podría cambiar la intervención temprana

Si los hallazgos reportados se replican en poblaciones más grandes e independientes, la tecnología eventualmente podría tener implicaciones para la intervención temprana.

La depresión suele identificarse después de que los síntomas ya se han vuelto perceptibles. Un sistema confiable de predicción de riesgo podría dar a los médicos e investigadores más tiempo para monitorear a individuos que podrían ser vulnerables.

El objetivo no necesariamente sería etiquetar a alguien como deprimido con años de anticipación. En cambio, un sistema futuro podría ayudar a identificar a personas que podrían beneficiarse de un monitoreo más cercano, estrategias preventivas o apoyo psicológico adicional.

La investigación científica ya está demostrando que el aprendizaje automático puede extraer información predictiva útil de las imágenes cerebrales.

Un estudio de 2024 que utilizó datos de 2,658 niños del estudio Adolescent Brain Cognitive Development encontró que las características multimodales de neuroimagen podían predecir el riesgo de depresión en un seguimiento de dos años, y la conectividad funcional en estado de reposo mostró un desempeño particularmente bueno entre los participantes con antecedentes parentales de depresión.

Otras investigaciones también han explorado el uso de resonancia magnética y aprendizaje automático para predecir la aparición futura de depresión en adolescentes.

La tecnología todavía tiene grandes limitaciones

A pesar del potencial, los investigadores enfrentan desafíos significativos antes de que la predicción de depresión basada en IA pueda convertirse en una herramienta médica de uso rutinario.

Los escaneos de resonancia magnética son costosos y requieren equipo especializado. La actividad cerebral también puede variar considerablemente entre individuos, lo que dificulta establecer un único patrón que se aplique a todos.

Los investigadores también deben determinar si un modelo de IA entrenado con un grupo funciona igual de bien en personas de diferentes regiones, culturas, grupos de edad y contextos socioeconómicos.

La privacidad es otra preocupación importante.

Los escaneos cerebrales contienen información biológica altamente sensible. Cualquier sistema que utilice inteligencia artificial para evaluar el riesgo de salud mental necesitaría fuertes medidas de protección para evitar el uso indebido o el etiquetado inapropiado.

Lo más importante es que una puntuación de riesgo elevada nunca debe tratarse como un diagnóstico definitivo.

Investigaciones recientes demuestran que el aprendizaje automático puede predecir aspectos del riesgo de salud mental en adolescentes, pero los investigadores siguen insistiendo en la necesidad de validación y más pruebas antes de que dichos sistemas puedan considerarse herramientas clínicas confiables.

Creciente interés en la IA y la salud mental

El desarrollo refleja una tendencia más amplia en la investigación médica, a medida que la inteligencia artificial se vuelve cada vez más capaz de analizar datos biológicos complejos.

Científicos investigan modelos de IA que combinan escaneos de resonancia magnética, información conductual, patrones de sueño, antecedentes familiares y otros factores para estimar el riesgo de salud mental.

Una revisión de 2025 destacó investigaciones que utilizan datos de más de 11,000 niños del estudio ABCD y encontró que los sistemas de aprendizaje automático podían identificar ciertos riesgos futuros de salud mental, aunque los factores conductuales y sociales a menudo desempeñaron un papel más importante que las medidas derivadas de la resonancia magnética en algunos modelos.

Ese hallazgo subraya por qué los investigadores se orientan cada vez más hacia modelos multimodales en lugar de depender solo de escaneos cerebrales.

El informe sobre la última investigación de IA también ha circulado entre audiencias de tecnología y criptomonedas, incluida la discusión de la cuenta de X @coinbureau. El interés más amplio refleja la rapidez con la que la inteligencia artificial se expande más allá de las aplicaciones financieras hacia áreas de la neurociencia y la atención médica.

Qué viene después

La posibilidad de predecir la depresión años antes de que aparezcan los síntomas es científicamente intrigante, pero se necesita más investigación antes de que la tecnología pueda considerarse una herramienta predictiva confiable.

Los investigadores deberán reproducir los hallazgos utilizando grupos más grandes, conjuntos de datos independientes y períodos de seguimiento más largos. También deberán determinar con qué precisión funciona el modelo fuera de la población en la que fue desarrollado.

Por ahora, la conclusión más importante es que la inteligencia artificial está brindando a los científicos nuevas formas de estudiar la relación entre la actividad cerebral, el procesamiento emocional y el riesgo futuro de salud mental.

Si estos enfoques continúan mejorando, el análisis cerebral asistido por IA podría eventualmente convertirse en un componente de la detección y prevención temprana de problemas de salud mental.

Pero la tecnología sigue siendo una herramienta de investigación y no un reemplazo del diagnóstico profesional. La perspectiva de identificar el riesgo de depresión con años de anticipación es prometedora, pero demostrar que tales predicciones son precisas, justas y clínicamente útiles requerirá pruebas adicionales sustanciales.