Una exploración sistemática de biomarcadores digitales para la detección de episodios depresivos en el trastorno bipolar

Por qué tu teléfono y un anillo podrían señalar un empeoramiento

Para muchas personas con trastorno bipolar, los episodios depresivos pueden parecer que llegan sin aviso, descarrilando el trabajo, las relaciones y la vida diaria. Este estudio plantea una pregunta simple con implicaciones de gran alcance: ¿pueden los patrones en datos cotidianos —desde un anillo portátil que registra actividad y sueño, además de breves registros diarios del estado de ánimo— señalar de forma fiable cuándo alguien ha pasado de una fase estable a una depresiva? Si es así, la tecnología que la gente ya lleva podría ayudar a pacientes y clínicos a reaccionar antes, mucho antes de que una crisis obligue a intervenir.

Seguir la vida real durante meses, no minutos

Los investigadores siguieron a 133 adultos con trastorno bipolar I o II durante una mediana de aproximadamente ocho meses. Los participantes llevaron un anillo Oura, un dispositivo comercial que registra de forma continua el movimiento y el sueño, y completaron valoraciones diarias muy breves de su ánimo, energía y ansiedad por correo electrónico. Una vez por semana también rellenaban un cuestionario estándar de depresión utilizado en clínicas. Usando estos cuestionarios semanales, el equipo marcó cuándo un participante entraba en un episodio depresivo —definido como al menos dos semanas consecutivas con síntomas clínicamente significativos— y cuándo estaba en un estado estable, o eutímico. Esto creó largas y detalladas “corrientes” de comportamiento y sensaciones a lo largo de momentos buenos y malos.

Convertir miles de puntos de datos en unas pocas señales claras

A partir de los datos en bruto, los científicos construyeron 49 variables básicas (como actividad diaria relacionada con pasos, tiempo para dormirse y valoración media del ánimo) en varias escalas temporales, y luego extrajeron siete descriptores matemáticos de cómo se comportaba cada variable a lo largo del tiempo. Estos descriptores capturaron no solo los niveles, sino cuánto variaba una medida de un día a otro, cuán extremas eran esas oscilaciones y cuán parecido era un día al siguiente. El resultado fueron 343 “biomarcadores digitales” candidatos que describían patrones en el sueño, la actividad y el estado de ánimo, energía y ansiedad autoinformados. Luego usaron métodos de aprendizaje automático explicables —algoritmos que pueden tanto clasificar patrones como revelar qué entradas importaron más— para ver qué combinaciones separaban mejor los días depresivos de los estables.

Cómo se manifestó la depresión en los patrones diarios

Entre todas las señales, las autoevaluaciones diarias fueron la fuente individual de información más potente. Los modelos que usaban solo los tres controles diarios para ánimo, energía y ansiedad distinguieron episodios depresivos de periodos estables con alta precisión (un área bajo la curva ROC de alrededor de 0,82, donde 1,0 es perfecto y 0,5 no es mejor que el azar). Durante los episodios depresivos, las personas valoraron claramente su ánimo y energía más bajos. Al mismo tiempo, sus puntuaciones fluctuaban dentro de un rango bajo y estrecho, produciendo un patrón estadístico que los autores llaman una paradoja de variabilidad relativa–absoluta: el ánimo y la energía parecían más “variables” cuando se medían en relación con su media baja, pero en términos absolutos las personas se sentían persistentemente bajas y “atascadas”. En otras palabras, la depresión aquí se parecía más a un valle prolongado y plano que a subidas y bajadas pronunciadas.

Los cambios sutiles en movimiento y sueño también importan

Incluso sin las autoevaluaciones, el anillo por sí solo aportó pistas útiles. Los episodios depresivos se asociaron con menos variación día a día en la actividad global: los niveles de movimiento de las personas eran uniformemente más bajos. Los patrones de sueño también cambiaron. El tiempo que tardaban en dormirse variaba de forma más errática noche tras noche, mientras que las medidas de sueño profundo tendían a mostrar menos oscilaciones extremas. Aunque los modelos basados en actividad y sueño fueron menos precisos que los que utilizaban los informes diarios del ánimo, aún superaron el azar y fueron robustos a muchas pruebas estadísticas, lo que sugiere que los ritmos corporales en sí mismos se vuelven más rígidos y menos adaptables durante las fases depresivas.

De la descripción a sistemas de alerta temprana

Los autores enfatizan que este trabajo es un paso inicial pero crucial: se centra en describir con precisión cuándo una persona está deprimida, y no todavía en predecir episodios antes de que comiencen. Aun así, la imagen que surge es intuitivamente reconocible: durante los episodios depresivos, las personas se sienten consistentemente peor y con menos energía, se mueven menos y de forma más monótona, y experimentan horarios de sueño más erráticos. Dado que los biomarcadores digitales clave que identificaron son relativamente simples —variabilidad día a día en el ánimo, la actividad y el tiempo para dormirse— podrían finalmente integrarse en aplicaciones o paneles clínicos. Para los pacientes, eso podría significar que un teléfono y un anillo registren silenciosamente estos patrones en segundo plano y alerten a ellos y a su clínico cuando sus ritmos cotidianos comiencen a parecerse a depresiones previas, abriendo la puerta a una atención más oportuna y personalizada.

Cita: Halabi, R., Mulsant, B.H., Tolend, M. et al. A systematic exploration of digital biomarkers for the detection of depressive episodes in bipolar disorder. npj Mental Health Res 5, 13 (2026). https://doi.org/10.1038/s44184-026-00195-5

Palabras clave: trastorno bipolar, biomarcadores digitales, sensores portátiles, detección de depresión, fenotipado digital