Predicción de las diferencias individuales en la eficacia de intervenciones digitales para el alcohol mediante datos multimodales

Por qué importan los hábitos de bebida de tus amigos

Muchos adultos jóvenes quieren reducir su consumo de alcohol pero pueden no tener tiempo o recursos para terapia presencial. Los programas para smartphone que envían recordatorios breves basados en la psicología ofrecen una alternativa práctica. Sin embargo, estas herramientas digitales no funcionan igual para todo el mundo. Este estudio planteó una pregunta relevante: ¿podemos predecir, de antemano, quién tiene más probabilidades de beneficiarse de una intervención digital contra el alcohol usando información sobre los sentimientos, el cerebro, las amistades y, lo más importante, las percepciones de cuánto beben sus amigos?

Teléfonos inteligentes como entrenadores de bolsillo

Los investigadores trabajaron con estudiantes universitarios que eran bebedores sociales en dos universidades de EE. UU. Durante 28 días, los estudiantes recibieron mensajes de texto dos veces al día enseñando "distanciamiento psicológico". Algunos mensajes entrenaban la atención plena: observar tus pensamientos y ansias sin actuar sobre ellos. Otros promovían la toma de perspectiva: imaginar cómo pensaría y sentiría un amigo que bebe muy poco en esa situación. Durante las semanas “activas”, los estudiantes recibían estos recordatorios de distanciamiento; durante las semanas “inactivas” solo informaban sobre su consumo y se les pedía reaccionar de forma natural. Este diseño alterno permitió a los investigadores ver si la gente realmente bebía menos cuando el coaching digital estaba activado.

Muchos tipos de datos, una pregunta clave

Antes de que empezara la intervención, los estudiantes completaron evaluaciones extensas. Respondieron preguntas sobre sus propios hábitos y motivos de consumo, sus estados de ánimo y personalidad, y cuánto se sentían presionados por sus pares. Mapearon sus redes sociales, indicando quién en su grupo del campus bebía más o tenía alta influencia social. Algunos también se sometieron a escáneres cerebrales mientras veían imágenes relacionadas con el alcohol y lo social. El equipo introdujo todos estos datos “multimodales”—psicológicos, sociales, neurales y demográficos—en varios modelos de aprendizaje automático. El objetivo era ver si un ordenador podía aprender a clasificar a los estudiantes en “respondedores”, que redujeron las ocasiones semanales de consumo en más de una, y “no respondedores”, que no lo hicieron.

Lo que piensas que beben tus amigos predice el cambio

Sorprendentemente, los predictores más potentes no fueron los escáneres cerebrales ni tests de personalidad detallados, sino solo cinco preguntas sobre el consumo percibido de los pares. Los estudiantes valoraron con qué frecuencia y cuánto bebían los bebedores más fuertes de su grupo, y cuánto aprobaba su grupo el consumo y el consumo compulsivo. Usando únicamente este pequeño conjunto de respuestas, un modelo de bosque aleatorio distinguió correctamente respondedores de no respondedores aproximadamente en el 71 % de los casos en la primera muestra de estudiantes, alcanzando o superando umbrales que estudios previos en salud digital consideran útiles para orientar la atención. Cuando el mismo modelo se probó en una segunda muestra independiente, siguió rindiendo a un nivel similar, lo que sugiere que los resultados no fueron un accidente de un solo grupo o periodo.

El punto ideal: bebedores moderados y frecuentes

Analizando más en detalle, la intervención funcionó mejor para estudiantes que veían a sus compañeros que bebían más como bebedores regulares pero no extremos—aproximadamente una o dos ocasiones de consumo por semana y un par de bebidas cada vez. Aquellos que percibían a sus pares como bebedores muy infrecuentes eran menos propensos a cambiar, quizá porque el consumo ya era raro en sus círculos. Los que creían que sus pares bebían en exceso tampoco se beneficiaron tanto, posiblemente porque la presión social para beber era demasiado fuerte para que recordatorios breves por texto la contrarrestaran. De forma llamativa, fueron esas percepciones las que importaron, no el consumo real autoinformado de los pares. Los estudiantes tendían a subestimar cuánto bebían en realidad sus amigos más bebedores, sin embargo sus creencias seguían influyendo en quién respondía.

Qué significa esto para la vida cotidiana

Para el público general, la conclusión es que nuestras creencias sobre lo que hacen los amigos pueden influir fuertemente en lo bien que herramientas digitales simples nos ayudan a reducir el alcohol. Un cuestionario breve sobre el consumo percibido de los pares—una medida de bajo costo y fácil de aplicar—fue suficiente para que los algoritmos hicieran predicciones razonablemente precisas sobre quién se beneficiaría de un programa de distanciamiento por texto. En el futuro, las aplicaciones podrían usar solo unas pocas preguntas sobre tu círculo social para decidir si ofrecer un programa estándar, una versión más intensiva o un tipo distinto de apoyo. Aunque se necesita más trabajo en muestras más grandes y diversas, esta investigación muestra que una ayuda digital más inteligente y personalizada para el uso de alcohol puede estar a solo unas pocas preguntas bien escogidas de distancia.

Cita: Fuchs, M., Boyd, Z.M., Schwarze, A. et al. Predicting individual differences in digital alcohol intervention effectiveness through multimodal data. npj Digit. Med. 9, 170 (2026). https://doi.org/10.1038/s41746-026-02356-4

Palabras clave: intervención digital para el alcohol, percepciones sobre el consumo entre pares, distanciamiento psicológico, aprendizaje automático en salud, consumo de alcohol en universitarios