En un innovador estudio internacional dirigido por la Universidad de Colonia, en Alemania, varios investigadores han demostrado que los modelos de lenguaje grandes (LLM), como GPT-3, Llama y BERT, pueden mejorar significativamente el diagnóstico psiquiátrico mediante el análisis de la estructura y el contenido de los cuestionarios clínicos.
Sus hallazgos, publicados en Nature Mental Health, sugieren que la inteligencia artificial podría agilizar las evaluaciones de salud mental, reducir la redundancia en la medición de los síntomas y, potencialmente, remodelar nuestra comprensión conceptual de los trastornos mentales.
Utilizando datos de más de 50.000 respuestas en cuatro cuestionarios principales de salud mental —que abarcan la depresión, la ansiedad, el riesgo de psicosis y el autismo—, el equipo de investigación demostró que los LLM son capaces de ‘reconocer’ patrones de coocurrencia de síntomas basándose únicamente en la forma en que se formulan las preguntas.
INFORMACIÓN ÚNICA
Las herramientas de diagnóstico tradicionales suelen adolecer de elementos superpuestos o redundantes, pero los modelos podrían ayudar a identificar qué preguntas proporcionan información única y cuáles podrían eliminarse o reformularse con seguridad.
Uno de los mayores retos del diagnóstico psiquiátrico es que muchos cuestionarios plantean múltiples preguntas que miden efectivamente el mismo síntoma, lo que puede frustrar tanto a los pacientes como a los médicos.
El análisis de la IA reveló qué elementos eran redundantes y cuáles eran los que marcaban la mayor parte de las diferencias significativas entre los grupos de síntomas. De este modo, los LLM podrían ayudar a elaborar evaluaciones más breves y eficientes, minimizando la carga para el paciente y preservando la precisión.
UN NUEVO PARADIGMA
Más allá de mejorar los cuestionarios, el estudio sugiere un potencial más profundo: los LLM pueden ayudar a reconceptualizar la forma en que se entienden las enfermedades mentales.
Dado que los modelos no se basan en datos de respuestas empíricas, sino en la estructura lingüística de los cuestionarios, pueden sacar a la luz asociaciones latentes entre los síntomas, asociaciones que pueden reflejar dimensiones subyacentes de la psicopatología en lugar de las categorías diagnósticas tradicionales.
Según el profesor Kai Vogeley, este enfoque representa un “paso importante para acercar los métodos digitales y la neurociencia” y podría impulsar una nueva generación de herramientas de diagnóstico basadas tanto en el lenguaje como en la ciencia del cerebro.
“La IA puede mapear tanto los conocimientos médicos como las estructuras de las enfermedades mentales”, Kai Vogeley, INVESTIGADOR de la Facultad de Medicina de la Universidad de Colonia y del Hospital Universitario de Colonia.