Português (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Similares em
SciELO 
Permalink
1. Introducción
La salud mental es un tema que ha ganado relevancia significativa en los últimos años. Con los efectos que la pandemia tuvo sobre el estado emocional de las personas, más y más personas e institutos se han dedicado a su estudio, y aun culturalmente han aumentado las discusiones y los cuidados personales que se toman las personas. Un elemento de este tema que se ha comenzado a estudiar con más frecuencia es el diagnóstico de trastornos mentales, ya que conocer cualquier problema existente es indispensable para poder tratarla.
Otro tema de interés reciente es la inteligencia artificial. Ha existido por mucho tiempo como concepto; sin embargo, ahora se está haciendo una realidad, con algoritmos y programas capaces de reconocer y replicar patrones de manera verbal y hasta artística. Con esta ayuda, una gran variedad de trabajos se pueden hacer de manera más eficiente y barata; uno de estos trabajos es, en teoría, el diagnóstico de trastornos.
Existen varios trabajos empíricos y experimentales realizando pruebas sobre este tema, los cuales se usarán como fundamento para la presente investigación.
2. Método
El objetivo de esta investigación documental de carácter cuantitativo y cualitativo fue identificar el alcance y la utilidad posible de los escaneos de patrones eléctricos cerebrales junto con la inteligencia artificial dentro del área de psicología médica, con énfasis en el proceso de diagnóstico inicial de neurodivergencia. Para cumplir lo anterior, se realizó una revisión sistemática de la literatura especializada al respecto. La revisión sistemática se realizó en cuatro fases:
2.1. Búsqueda de documentos pertinentes a la investigación
Se realizó una búsqueda sistemática de artículos de investigación en las bases de datos científicas Mendeley, SciElo, Dialnet y Google Académico. Para ser más fiel a las fuentes originales, en lugar de ‘Mendeley’ se registraron bajo las revistas originales de las cuales se compilaron. La obtención de documentos se realizó comenzando el 22 de agosto de 2023 y el análisis se realizó desde esa fecha hasta el 8 de octubre de 2023. Se admitieron textos publicados en cualquier idioma desde el 2019 hasta el 2023.
2.2. Definición de criterios de inclusión y exclusión de los documentos obtenidos
La búsqueda en las bases de datos científicas se realizó usando palabras clave. Las palabras usadas fueron ‘neurodivergent’, ‘diagnosis’, ‘mental disorder’, ‘brain scans’, y ‘artificial intelligence’, normalmente encadenadas. En español fueron ‘neurodivergente’, ‘diagnóstico’, ‘trastorno mental’, ‘escaneo cerebral’ e ‘inteligencia artificial’. En la base de datos la búsqueda se desarrolló en el título, el resumen, las palabras clave y el documento extenso. Se obtuvo la siguiente cantidad de documentos: SciELO 3; Google Académico, 18; Diagnostics, 3; Computers and Biology in Medicine, 3; fuentes mixtas (muchas recolectadas en Mendeley), 93. En total, se obtuvieron 120 documentos. Posteriormente, se identificaron los documentos duplicados y se eliminaron 4. Además, se realizó una revisión de la pertinencia de los documentos obtenidos y se eliminaron los que no eran útiles para el análisis de esta investigación. Por la facilidad y disponibilidad de información, se eliminaron todas aquellas fuentes sin DOI o ISSN, y se eliminaron aquellas fuentes con poca o relativamente menos relevancia con el tema central de estudio, y las que se enfocan en trastornos mentales más probables a desarrollarse debido a factores externos. Finalmente, se admitieron 64 documentos para el análisis.
2.3. Análisis y categorización
Se realizó un análisis cuantitativo para saber en qué años se publicaron más documentos sobre los trastornos mentales y su diagnóstico, en qué países y con qué enfoque (ver Tabla 1). El análisis cuantitativo se condujo respondiendo preguntas de investigación.
Tabla 1 Preguntas de investigación de carácter cuantitativo
| Temas de análisis | Preguntas de investigación |
|---|---|
| Año de publicación | ¿Cuántas publicaciones sobre este tema se realizaron cada año desde el 2019? |
| País de origen | ¿Qué países han demostrado un enfoque mayor en este tema? |
| Trastorno enfoque del artículo | De los artículos que mencionan enfoque en algún trastorno en particular, ¿cuál resultó el más común? |
Asimismo, se realizaron categorías de análisis para identificar las formas de diagnóstico actuales, las ‘pros’ y ‘contras’ como tal del uso de escaneo cerebral en dicho proceso, y las recomendaciones existentes sobre la introducción de inteligencia artificial en el área de psicología. Este análisis fue cualitativo y también se condujo con preguntas de investigación (ver Tabla 2).
Tabla 2 Preguntas de investigación de carácter cualitativo
| Temas de análisis | Preguntas de investigación |
|---|---|
| Propuestas actuales | ¿Cómo se propone que se realice el proceso de diagnóstico con el uso de herramientas de escaneo e inteligencia artificial? |
| Modificaciones al área de estudio | ¿Cuáles cambios son necesarios para llegar a la integración e implementación de estos instrumentos? |
| Beneficios | ¿Cuáles serían los beneficios de la introducción de estas tecnologías en este campo y para este fin? |
3.Resultados
3.1. Resultados del análisis cuantitativo
El análisis cuantitativo trajo consigo una gran cantidad de resultados interesantes. Sin embargo, primero se dará una breve descripción de los artículos conseguidos, y los temas que tratan.
Los artículos que fueron considerados para la realización de esta investigación fueron todos aquellos que trataron el diagnóstico de trastornos mentales, con un énfasis por los que mencionaron la utilización de inteligencia artificial y/o los escaneos cerebrales (EEG o fMRI). Como ya fue mencionado en la fase dos de la metodología, se admitieron un total de 64 artículos a consideración.
El primer dato a considerar de entre todos los artículos recopilados es la fecha de publicación. Se debe destacar que dentro de la presente investigación se excluyeron documentos con fecha de publicación antes del año 2019, en su mayoría gracias a que el tema objeto de estudio ha surgido recientemente.
Los resultados, visibles en la Figura 1, resultaron interesantes; desde el 2019 hasta el 2022 se nota una tendencia de crecimiento demasiado alta, antes de caer de nuevo en el 2023. Sin embargo, esto se puede deber simplemente al hecho de que el 2023 sigue en curso.
Entre el 2019 y el 2020 no se vio mucho crecimiento. Sin embargo, en el 2021 incrementó de seis artículos a 12, antes de llegar a 28 en 2022. Hasta la fecha de septiembre de 2023 se encontraron 13 artículos relacionados.
El siguiente dato que se revisó fue el país de publicación. Este dato es interesante gracias a lo que puede demostrar sobre interés cultural sobre estos temas, además del posible costo de los estudios. Los resultados se muestran en la figura 2.
Existió, dentro de los resultados, un país en particular que demostró el mayor interés en temas de trastornos mentales y su diagnóstico asistido. Reino Unido aportó 18 de los totales 64 artículos, seguido por los Estados Unidos con 11, y Suiza y Países Bajos con 6. Polonia, India, y China aportaron más de un artículo cada uno, mientras que los demás fueron publicados en áreas sin especificación o países europeos, en su mayoría. Pocas fueron provenientes de países americanos o asiáticos. Esto se puede deber a interés a nivel cultural, o también al hecho de que los países más involucrados son países desarrollados, y tienen más recursos para invertir en este campo.
Por último, entre aquellos artículos que mostraron un enfoque en algún trastorno mental en particular, se analizó la frecuencia de aquellos mencionados por nombre, como se muestra en Figura 3. Nota: las siglas y los nombres de cada trastorno se muestran en inglés; en español, de orden descendiente son Trastorno de Espectro Autista (TEA, ASD por siglas en inglés), Trastorno de Déficit de Atención e Hiperactividad (TDAH, ADHD por siglas en inglés), y dislexia.
Como se puede observar, tanto el TEA como el TDAH se han estudiado de manera profunda. Esto se podrá deber, en su mayoría, a lo común que es encontrar ambos trastornos, y la creciente demanda para poder diagnosticarlos de manera segura, rápida, y eficaz. Con menos prioridad se encuentra la dislexia, también un trastorno común pero uno más fácil de diagnosticar por sus síntomas sencillos de describir y reconocer.
Es interesante observar la prioridad que tiene cada uno de los trastornos mencionados, ya que se puede asociar además al impacto que tiene cada uno a la sociedad y a los individuos afectados. Sin embargo, también es importante notar que las tecnologías y técnicas desarrolladas utilizando a los escaneos cerebrales y la inteligencia artificial como herramientas no necesariamente deben de llevar un enfoque particular, sino que se pueden desarrollar con el fin de ser adaptados a distintas áreas y tipos de diagnóstico.
3.2. Resultados del análisis cualitativo
La primera pregunta que se planteó fue la siguiente: ¿Cómo se propone que se realice el proceso de diagnóstico con el uso de herramientas de escaneo e inteligencia artificial?
Para empezar, se hizo consideración en cuanto al método actual de diagnóstico. Existen variaciones en cuanto al trastorno particular; sin embargo, tanto para TEA y TDAH el procedimiento estándar es mediante entrevistas y análisis de conducta por un individuo altamente capacitado. Este procedimiento es lento, ya que se requiere de tiempo para cada paciente individual, además de costoso, haciéndolo inaccesible para muchas personas. Adicionalmente, no es posible realizar el diagnóstico en un paciente de menos de dos años como mínimo. (Helmy E, Elnakib A, Elnakieb Y et al, 2023)
En cuanto al sistema propuesto, es un tema demasiado complicado, pero en términos generales, el escaneo cerebral forma una especie de mapa tridimensional del cerebro y su actividad. Con este formato es difícil para la inteligencia artificial detectar patrones, por lo que se debe de transformar en un plano bidimensional; ya de esta manera, el software podrá detectar y reconocer distintos tipos de patrones los cuales indican distintos tipos de trastornos. (Sadiq M, Akbari H, Siuly S et al, 2021)
Siguiendo esto, se preguntó ¿Cuáles cambios son necesarios para llegar a la integración e implementación de estos instrumentos? En los artículos consultados se dieron varias propuestas, las principales de las cuales se muestran en la Tabla 3.
Tabla 3 Cambios necesarios para la aplicación de las nuevas tecnologías en el área de psicología
| Cambios propuestos | |
|---|---|
| 1.- | Determinación de los patrones a reconocer para cada trastorno a diagnosticar |
| 2.- | Capacitación de personal para la utilización de estas tecnologías |
| 3.- | Pruebas exhaustivas sobre su funcionamiento y capacidades |
| 4.- | Empuje por parte de profesionales hacia el desarrollo de las tecnologías relevantes |
Como se puede observar, una de las propuestas principales para llegar a un futuro donde estas tecnologías se puedan utilizar de manera confiable y segura depende de su continuo desarrollo con un enfoque específico a esta área. Para esto, se requiere de personas que empujen este desarrollo e impulsen los cambios necesarios.
Las demás propuestas son importantes tanto antes como después de que las tecnologías lleguen al nivel apropiado de avance; sin suficientes pruebas y datos no importa lo eficiente que sea la tecnología, ya que no sabrá qué se tiene que detectar.
Para empezar, se hizo consideración en cuanto al método actual de diagnóstico. Existen variaciones en cuanto al trastorno particular; sin embargo, tanto para TEA y TDAH el procedimiento estándar es mediante entrevistas y análisis de conducta por un individuo altamente capacitado. Este procedimiento es lento, ya que se requiere de tiempo para cada paciente individual, además de costoso, haciéndolo inaccesible para muchas personas. Adicionalmente, no es posible realizar el diagnóstico en un paciente de menos de dos años como mínimo. (Helmy E, Elnakib A, Elnakieb Y et al, 2023)
La última pregunta realizada fue sobre los beneficios; ¿qué beneficios tendrían estas tecnologías? Para responder esta pregunta es importante analizar las desventajas del modelo actual. Como ya se mencionó brevemente, el presente modelo obliga cierta lentitud en el proceso, en gran parte debido a la carencia de personal capacitado.
Un beneficio significativo de la utilización de estas herramientas sería el incremento masivo en eficiencia, tanto en cuanto al tiempo de diagnóstico como a su objetividad. A continuación se desglosan las razones de cada uno.
Para empezar, el tiempo requerido para diagnosticar con seguridad algún trastorno bajaría dramáticamente. Las mismas actitudes y conductas inconscientes del paciente pueden ser monitoreadas y analizadas por una máquina de deep learning al mismo tiempo que se haga la prueba tradicional, aportando resultados simultáneos y rápidos. Por supuesto, este uso en particular viene con riesgos, en especial cuando se trata de confiabilidad de resultados. Un estudio reciente demostró que, en la actualidad, la inteligencia artificial cuenta con un grado medio de confiabilidad. En trastornos comunes, como dependencia al alcohol, TDAH, o TEPT, alcanzó predecir correctamente en alrededor de 75% de los casos. Sin embargo, en otros casos se inclinaba más hacia el 60%. (Heinz M, Bhattacharya S, Trudeau B et al, 2023)
Es decir, usado como herramienta dentro del proceso de diagnóstico podrá aportar un nivel de confiabilidad adicional, pero no puede reemplazar los demás métodos. Aún así, cuando se considera que los niveles de diagnóstico incorrecto (ya sea falta de diagnóstico o diagnóstico de un trastorno distinto al actual) pueden oscilar entre 70 y 98%, se puede ver que el aporte dado por este nuevo método es significativo.
Finalmente, en cuanto a objetividad, es uno de los temas muy relevantes en esta área. Como ya se mencionó la probabilidad de que alguien sea diagnosticada de forma incorrecta es alta, y esto se le puede atribuir, en parte, al carácter subjetivo de algunos de los procesos de diagnóstico. Claramente se tiene como meta la objetividad al momento de diagnosticar, pero el simple hecho de que exista un elemento humano puede causar variaciones que no se tendrían que ver en otro caso. El tener evidencias concretas del funcionamiento distinto del cerebro de un paciente podrá ayudar a un sinnúmero de personas quienes, bajo otro especialista, tendrían la capacidad de ser diagnosticadas incorrectamente.
4. Conclusiones
El diagnóstico de trastornos mentales es un elemento extremadamente importante para la salud mental de un individuo. El conocimiento de lo que lo afecta, junto con el acceso a recursos que ayudan a aliviar a los síntomas, son integrales a su desarrollo, y el desarrollo de tecnologías que logran eficientizar este proceso es siempre importante.
La inteligencia artificial como tecnología ha tenido un progreso explosivo en los últimos años, y se han encontrado aplicaciones para ella en casi todo campo profesional. En el caso de la psicología y la medicina la inteligencia artificial tiene usos extensos, en especial utilizando su reconocimiento de patrones para analizar conductas y síntomas y llegar a conclusiones rápidas y objetivas. No solamente es viable su aplicación en esta área, sino que ya se está introduciendo.
Mientras tanto, los escaneos cerebrales también se siguen desarrollando. La información que produce este método es complicada, y, mientras que es posible su interpretación por medio de personas, es mejor en muchos casos transformarla en un plano bidimensional para permitir que algún software de inteligencia artificial analice los patrones encontrados.
En fin, ambas tecnologías deben de ser utilizadas en conjunto para producir resultados. Sin embargo, estos resultados requieren de apoyo, manejo e interpretación humana. Estas tecnologías son solamente herramientas; no pueden ser sustituciones.
