Métodos basados en inteligencia artificial para la evaluación psicológica de trastornos psicológicos en la adolescencia: una revisión sistemática y metaanálisis

Resumen

Esta revisión sistemática y metaanálisis incluyó 188 estudios con 4,794,001 participantes adolescentes (10-19 años) para evaluar el rendimiento de herramientas de evaluación psicológica basadas en inteligencia artificial. Las áreas bajo la curva (AUC) medias oscilaron entre 0.75 y 0.85 en validación interna y entre 0.76 y 0.96 en validación externa para diversos resultados de salud mental, indicando buena capacidad discriminativa. Los modelos multimodales lograron AUC superiores a los unimodales para depresión y suicidio, aunque la integración clínica requiere validación externa rigurosa, interpretabilidad clínica, gobernanza ética y adaptación cultural.

Puntos clave

• Los modelos de IA mostraron buena capacidad discriminativa con AUC de 0.75-0.85 en validación interna y 0.76-0.96 en validación externa para la detección de trastornos mentales en adolescentes
• Los enfoques multimodales superaron a los unimodales en la evaluación de depresión y suicidio, respaldando el uso de marcos de evaluación que integren múltiples fuentes de datos
• La implementación clínica requiere enfoques de transición escalonados, validación externa, interpretabilidad clínica, gobernanza ética y adaptación cultural para garantizar el acceso equitativo a recursos de salud mental
• Se utilizó un marco asistido por modelos de lenguaje grande (LLM) para la búsqueda y análisis de datos en ocho bases de datos hasta diciembre de 2025