Aplicación de la inteligencia artificial en la gestión de la rehabilitación de la esquizofrenia: una revisión sistemática de alcance

Por qué las herramientas inteligentes importan en enfermedades mentales graves

La esquizofrenia puede dificultar el pensamiento claro, la conexión con los demás y la gestión de la vida diaria, y muchas personas siguen teniendo dificultades incluso tras el tratamiento hospitalario. Al mismo tiempo, los servicios de salud mental en todo el mundo están saturados y muchas personas reciben poco o ningún apoyo continuado. Este artículo explora cómo la inteligencia artificial (IA), la misma familia de técnicas detrás de los asistentes telefónicos y las recomendaciones en línea, se está probando como un nuevo apoyo en el largo recorrido de la rehabilitación para la esquizofrenia: mantener el bienestar, apoyar el uso de la medicación y detectar señales de alarma tempranas antes de que se produzca una crisis.

De las visitas hospitalarias a la vida cotidiana

Los autores comienzan contrastando dos objetivos muy diferentes en la atención de la salud mental. El diagnóstico pretende poner un nombre a una condición, como la esquizofrenia, para que los clínicos puedan comunicarse y planificar el tratamiento. La rehabilitación, en cambio, trata de ayudar a las personas a vivir, trabajar y participar en sus comunidades durante años o décadas. Incluye el seguimiento de los síntomas a lo largo del tiempo, el ajuste de la medicación, la prevención de recaídas y el desarrollo de habilidades y conexiones sociales. A pesar de las guías claras, este tipo de apoyo a largo plazo es desigual en todo el mundo: muchas personas nunca ven a un especialista y el seguimiento suele ser irregular. Esta brecha ha abierto la puerta a herramientas digitales —smartphones, dispositivos wearables, plataformas en línea— que pueden recopilar información de forma continua y ofrecer ayuda a distancia.

Qué examinó esta revisión

Para entender cómo se está utilizando la IA en la rehabilitación, los investigadores examinaron 83 estudios publicados entre 2012 y finales de 2025. Todos los estudios incluyeron personas con esquizofrenia clínicamente confirmada o trastornos psicóticos relacionados y se centraron en tareas vinculadas con la atención continuada, no solo el diagnóstico. El equipo agrupó cada proyecto en dominios de rehabilitación como monitorización de síntomas, gestión de la medicación, gestión del riesgo, entrenamiento funcional y apoyo psicosocial. También registraron qué tipos de datos se utilizaron (por ejemplo, habla, historias clínicas electrónicas o sensores de smartphones), qué técnicas de IA se aplicaron, qué rendimiento obtuvieron los sistemas y si se probaron en entornos del mundo real.

Cómo se está utilizando la IA hoy

La mayor parte del trabajo hasta ahora se centra en vigilar los síntomas a lo largo del tiempo. Muchos estudios analizaron el habla, el texto o datos de smartphones para estimar la gravedad de las alucinaciones, los problemas de pensamiento, la motivación o el funcionamiento social sin depender únicamente de largas entrevistas clínicas. Otros usaron sensores del teléfono, wearables o patrones de búsquedas en internet para advertir de una posible recaída días o semanas antes de la hospitalización. Un segundo grupo importante de estudios se centró en la medicación: comprobar si las personas tomaban sus fármacos mediante la cámara del smartphone, predecir quién podría abandonar un medicamento o responder mal y detectar efectos secundarios como cambios hormonales o riesgo de diabetes usando registros de salud rutinarios. Un tercer conjunto abordó la gestión del riesgo, por ejemplo pronosticando recaídas, reingresos hospitalarios, violencia o enfermedades físicas graves. Solo unos pocos proyectos intentaron apoyar el entrenamiento de habilidades o guiar a los terapeutas en tiempo real, aunque esas áreas son centrales para reconstruir la vida diaria.

¿Qué tan buenos son estos sistemas hasta ahora?

En el papel, muchos modelos parecen prometedores. Para tareas como clasificar a las personas en grupos de riesgo o estimar puntuaciones de síntomas, la precisión típica fue bastante alta, y algunos estudios pequeños informaron de un rendimiento muy elevado al analizar patrones de voz o comportamiento. Los sistemas de aviso de recaídas a menudo detectaban cambios inusuales en el comportamiento, pero tendían a pasar por alto muchas recaídas reales a la vez que producían falsas alarmas, lo que significa que son más adecuados como “empujones” tempranos que como decisores autónomos. Es importante señalar que solo unos pocos estudios probaron sus sistemas en grupos completamente nuevos de pacientes y muy pocos informaron sobre la calibración de las predicciones —es decir, si un riesgo declarado coincidía realmente con lo ocurrido. Aún menos proyectos cerraron el ciclo convirtiendo predicciones en acciones concretas, como la intervención de un clínico o ajustes del tratamiento, y midiendo si eso mejoró la vida de los pacientes.

Qué debe ocurrir a continuación

La revisión concluye que la IA tiene un potencial claro para reforzar la rehabilitación en la esquizofrenia al vigilar más de cerca los síntomas, apoyar el uso de la medicación y destacar a las personas con mayor riesgo de recaída o problemas médicos. Sin embargo, la mayoría de las herramientas aún están en fase de "prototipo temprano", ajustadas a datos de países de altos ingresos y probadas principalmente con resultados de corto plazo o indirectos. Para ayudar de verdad a los pacientes, los futuros sistemas necesitarán pruebas externas cuidadosas, formas claras de expresar la incertidumbre, salvaguardias sobre privacidad y equidad, y diseños que mantengan a clínicos y pacientes en el circuito en lugar de sustituirlos. Sobre todo, sostienen los autores, el éxito no debe juzgarse solo por puntuaciones técnicas, sino por si la atención apoyada por IA reduce las crisis y facilita que las personas con esquizofrenia participen más plenamente en la vida cotidiana.

Cita: Yang, H., Chang, F., Muroi, F. et al. Application of artificial intelligence in schizophrenia rehabilitation management: a systematic scoping review. Transl Psychiatry 16, 180 (2026). https://doi.org/10.1038/s41398-026-03872-3

Palabras clave: rehabilitación de la esquizofrenia, fenotipado digital, adhesión a la medicación, predicción de recaídas, IA en salud mental