Aprendizaje automático para huellas epigenéticas individuales como predictores del bienestar en adultos jóvenes

Por qué importa tu sensibilidad al estrés

Muchos adultos jóvenes se sienten desbordados por los exámenes, las redes sociales y un futuro incierto, y aun así los cuestionarios estándar de salud mental pueden pasar por alto a quienes están en mayor riesgo. Este estudio pregunta si una combinación sencilla de encuestas y una muestra de saliva puede revelar una “huella” biológica más precisa de la sensibilidad de cada persona al estrés. Al mezclar psicología, genética y aprendizaje automático moderno, los investigadores exploran un futuro en el que podría ofrecerse apoyo mental temprano y personalizado mucho antes de que aparezcan problemas graves.

De encuestas simples a biología oculta

Los investigadores se centraron en un rasgo llamado sensibilidad al entorno: la intensidad con que alguien reacciona a los sucesos cotidianos. Las personas que obtienen puntuaciones altas en la escala de Persona Altamente Sensible (Highly Sensitive Person, HSP) tienden a sentirse más abrumadas en entornos ruidosos, exigentes o emocionalmente intensos, y constituyen una parte importante de quienes buscan asesoramiento. En este estudio, 104 estudiantes universitarios completaron varios cuestionarios breves sobre estrés percibido, impulsividad, hábitos alimentarios y uso de internet. Al mismo tiempo, proporcionaron muestras de saliva para que el equipo pudiera examinar pequeñas marcas químicas en genes específicos implicados en la señalización cerebral. Estas marcas, conocidas como marcas epigenéticas, pueden cambiar con las experiencias de vida y podrían ayudar a explicar por qué algunas personas son más sensibles al estrés que otras.

Lectura de huellas epigenéticas

Las muestras de saliva se utilizaron para estudiar marcas epigenéticas—específicamente la metilación del ADN—en tres genes clave que ayudan a regular químicos cerebrales: los transportadores de dopamina y serotonina (DAT1 y SERT) y el receptor de oxitocina (OXTR). En lugar de analizar el genoma completo, los investigadores se centraron en 10 posiciones a lo largo de estos genes donde la metilación variaba más entre los estudiantes. Junto con nueve medidas basadas en cuestionarios, esto creó un conjunto de 19 características posibles. La pregunta central fue: ¿qué combinación de estas medidas conductuales y biológicas separa mejor a los estudiantes con puntuaciones HSP altas de aquellos con sensibilidad baja o media?

Dejar que el algoritmo elija

Para responder, el equipo usó un método de aprendizaje automático llamado Máquina de Vectores de Soporte (Support Vector Machine). En lugar de adivinar qué características importaban, probaron todas las combinaciones posibles—desde medidas únicas hasta las 19—y evaluaron cada una mediante un cuidadoso procedimiento de dejar-uno-fuera. Esto implicó entrenar el modelo con 103 estudiantes y predecir el restante, repitiendo el proceso para cada participante. De entre más de medio millón de modelos probados, la solución con mejor rendimiento resultó ser sorprendentemente simple: solo seis características fueron suficientes para formar una “huella” clara de sensibilidad. Dos procedían de cuestionarios (la Escala de Estrés Percibido y una puntuación de Atención de una prueba de impulsividad), y cuatro eran sitios específicos de metilación en los genes de los transportadores de dopamina y serotonina.

Qué aprendió realmente el modelo

Usando únicamente estas seis características, el modelo clasificó correctamente a los estudiantes como de sensibilidad alta frente a baja/media en aproximadamente el 85% de los casos. Fue especialmente eficaz en identificar a individuos altamente sensibles, con alta sensibilidad y precisión, y mostró un rendimiento similar en hombres y mujeres a pesar de que la muestra era mayoritariamente femenina. Un análisis más profundo del funcionamiento interno del modelo destacó un sitio relacionado con la dopamina como el único contribuyente biológico más importante, seguido de cerca por el estrés percibido y la atención. En otras palabras, el algoritmo no se fijó en un único cuestionario ni en un solo gen: combinó tanto informes psicológicos como señales epigenéticas sutiles para tomar sus decisiones, reflejando la mezcla real de mente y biología.

Qué podría significar esto para la atención futura

Para el público general, la conclusión es que un breve conjunto de preguntas junto con una muestra de saliva podría algún día ayudar a identificar a adultos jóvenes especialmente sensibles al estrés, incluso antes de que busquen ayuda o muestren síntomas claros. Aunque el estudio es todavía pequeño y necesita replicarse en grupos más grandes y diversos, muestra que las “huellas epigenéticas” individuales pueden mejorar de manera significativa las predicciones frente al autoinforme solo. Si se confirma, este enfoque podría apoyar estrategias de prevención y tratamiento más personalizadas—ayudando a los clínicos a ofrecer el tipo de apoyo adecuado, en el momento oportuno, a quienes su biología y psicología combinadas les hacen más vulnerables, pero también potencialmente más receptivos al cambio positivo.

Cita: Caporali, A., Di Domenico, A., D’Addario, C. et al. Machine learning for individual epigenetic fingerprints as predictors of well-being in young adults. Sci Rep 16, 6015 (2026). https://doi.org/10.1038/s41598-026-36561-8

Palabras clave: salud mental juvenil, sensibilidad al entorno, epigenética, aprendizaje automático, vulnerabilidad al estrés