Cuantificar la mejoría de los síntomas psicóticos en la esquizofrenia tratada con clozapina: análisis de notas clínicas con modelos de lenguaje grande

Por qué el lenguaje cotidiano puede revelar cambios ocultos

Cuando las personas con esquizofrenia hablan sobre su día, la elección de palabras puede reflejar de forma silenciosa hasta qué punto está funcionando su tratamiento. Pero en hospitales ocupados, los médicos rara vez tienen tiempo para revisar años de notas clínicas y ver si el discurso de un paciente se está volviendo más claro, tranquilo o esperanzador. Este estudio muestra cómo las herramientas modernas de inteligencia artificial, denominadas modelos de lenguaje grande, pueden leer esas notas por nosotros y captar señales sutiles de que los síntomas mejoran durante el tratamiento con el fármaco clozapina.

Convertir notas rutinarias en señales útiles

Los investigadores se centraron en un grupo de 30 personas con esquizofrenia grave y resistente al tratamiento que comenzaron con clozapina, un medicamento reservado para casos en los que otros fármacos han fracasado. En Japón, iniciar la clozapina exige una hospitalización y un control cuidadoso, lo que genera un rastro abundante de registros electrónicos de salud. Del conjunto de esos registros, el equipo extrajo únicamente las partes donde los psiquiatras habían anotado lo que decían los pacientes, como saludos, quejas sobre el sueño o reportes de escuchar voces. Obtuvieron más de 22.000 frases procedentes de más de 5.000 notas, cubriendo el mes antes de la clozapina y tres fases del mismo tamaño durante el ingreso hospitalario.

Pedir a la IA que evalúe síntomas psiquiátricos

Para transformar el texto bruto en puntuaciones de síntomas, el equipo empleó tres potentes modelos de lenguaje. A cada modelo se le dieron instrucciones detalladas para comportarse como un psicólogo experto y puntuar cada nota según una lista estándar usada en psiquiatría, la Escala Breve de Evaluación Psiquiátrica (BPRS). En lugar de basarse en el lenguaje corporal o el tono de voz, los modelos juzgaron únicamente lo que decían los pacientes, valorando características como la ansiedad, la desorganización conceptual, las creencias inusuales, las alucinaciones, la suspicacia y el estado de ánimo depresivo. Los modelos coincidieron en que varios síntomas clave disminuyeron durante el tratamiento con clozapina: la ansiedad, la desorganización conceptual, la suspicacia, los pensamientos inusuales, los comentarios de tipo alucinatorio y el estado de ánimo bajo se redujeron con el tiempo. Las preocupaciones somáticas sobre el cuerpo aumentaron inicialmente—lo que probablemente refleja efectos secundarios tempranos como fatiga o somnolencia—y luego remitieron gradualmente.

Cómo cambió la elección de palabras durante el tratamiento

El equipo también aplicó métodos más tradicionales de análisis del lenguaje para comprender mejor lo que captaban los modelos. Contaron distintos tipos de palabras, como sustantivos, verbos, adverbios y adjetivos, en cada frase. Con el tiempo, los pacientes usaron más adjetivos, especialmente términos que describen sensaciones y estados corporales como “bueno”, “agradable”, “cansado”, “somnoliento”, “terrible” y “atemorizante”. Mientras tanto, el uso de la palabra “no” disminuyó. Al examinar las combinaciones breves de dos palabras, los investigadores observaron que “no” aparecía frecuentemente en frases como “sin cambios” o “nada en particular”, ese tipo de respuestas planas que dan los pacientes cuando se sienten desapegados o desmotivados. Menos frases de ese tipo a lo largo del tiempo sugerían que los pacientes participaban más activamente con sus médicos en lugar de cerrar la conversación.

Medir el tono emocional en las propias palabras

Para profundizar en la emoción, los investigadores emplearon una herramienta llamada Linguistic Inquiry and Word Count (LIWC), que comprueba con qué frecuencia las personas usan palabras vinculadas a sentimientos positivos o negativos. Encontraron que las palabras con carga emocional positiva se volvieron más frecuentes en la parte final del tratamiento, mientras que las palabras negativas no cambiaron mucho. Al comparar estos patrones con las puntuaciones producidas por los modelos de lenguaje, hallaron que ambos enfoques estaban relacionados pero no eran idénticos. Los modelos fueron especialmente buenos captando cambios amplios en la ansiedad y el estado de ánimo, mientras que los conteos basados en diccionarios destacaron el aumento de expresiones explícitamente positivas. Juntos, ofrecieron la imagen de pacientes cuyo discurso se volvió más emocionalmente rico y menos dominado por el malestar a medida que avanzaba el tratamiento.

Qué implica esto para la atención futura

Para un público no especializado, el mensaje principal es sencillo: al escuchar con atención cómo hablan los pacientes—a través de las notas clínicas ya registradas en sus historiales—los sistemas de IA pueden detectar mejoras significativas en los síntomas psicóticos y en la vida emocional durante el tratamiento. El estudio sugiere que, incluso cuando las notas son breves o imperfectas, los modelos de lenguaje grande pueden ayudar a los clínicos siguiendo tendencias que de otro modo podrían pasar desapercibidas, como un pensamiento más claro, menos comentarios relacionados con alucinaciones y una conversación más positiva y participativa. Si bien estas herramientas no sustituirán el juicio humano, podrían algún día ofrecer una supervisión discreta y de bajo esfuerzo que ayude a los médicos a personalizar la atención, detectar problemas antes y comprender cómo cambia el mundo interior de los pacientes con el tiempo.

Cita: Matsumura, M., Nishida, K., Toyoda, K. et al. Quantifying improvement of psychotic symptoms in clozapine-treated schizophrenia: clinical note analysis with large language models. Sci Rep 16, 8835 (2026). https://doi.org/10.1038/s41598-026-39676-0

Palabras clave: esquizofrenia, clozapina, notas clínicas, modelos de lenguaje grande, síntomas de psicosis