Lenguaje, salud mental y alcance de la evidencia
El lenguaje ocupa un lugar central en la salud mental. Con él una persona narra lo que vive, formula preguntas, negocia interpretaciones y establece relaciones de atención. Lo que dice y cómo lo dice pueden aportar además observaciones útiles para investigar procesos psicológicos. Sin embargo, la relación entre una expresión lingüística y un diagnóstico es indirecta, porque la forma de lo dicho depende de la actividad en curso, de la lengua, del interlocutor y de las condiciones de producción. Un marco integrador tiene que explicar cómo se relacionan esas dimensiones con el sufrimiento y el funcionamiento de una persona sin convertir cada diferencia discursiva en señal de enfermedad.
La inteligencia artificial amplía la capacidad de transcribir, organizar y comparar material lingüístico. Esa capacidad, que puede apoyar tareas específicas, introduce una cadena de decisiones sobre qué se recoge, cómo se representa, qué patrón se calcula y qué conclusión se comunica, cada una de las cuales puede cambiar el alcance de la evidencia. Detectar una regularidad estadística es una operación distinta de comprender una experiencia, establecer una causa o decidir una intervención. La integración exige mantener visibles las distancias entre observación, interpretación clínica, predicción y acción, sobre todo cuando las salidas del sistema pueden influir en oportunidades o tratamientos.
Esta lectura propone un marco académico de análisis y de diseño de investigación, sin procedimientos para diagnosticar a alguien a partir de sus mensajes ni protocolos de atención. Con ejemplos construidos, examina errores conceptuales y metodológicos y las preguntas que deberían resolverse antes de atribuir significado clínico a un indicador. Las decisiones asistenciales requieren profesionales cualificados, evaluación del contexto y procedimientos adecuados a cada servicio, delimitación que no debilita la investigación lingüística y aclara qué puede aportar con responsabilidad. La propuesta articula cinco dimensiones (la experiencia relatada, la organización lingüística, la interacción, la trayectoria personal y el contexto institucional) sin que ninguna sustituya a las demás. Una medición describe a veces un cambio en el discurso cuya causa queda sin determinar; el sufrimiento expresado en una narración puede no ajustarse al patrón que espera un clasificador; la información de una entrevista puede variar según cómo se pregunte. Se trata de estudiar estas relaciones y sus límites para que la facilidad de cálculo no haga pasar una característica accesible por representación completa de la vida psicológica de una persona.
Experiencia, expresión e interpretación
Para describir lo que vive, una persona recurre a veces a metáforas, aproximaciones o palabras que no coinciden con las categorías profesionales. Expresiones como «estoy desconectado», «todo pesa» o «no encuentro mi ritmo» admiten interpretaciones diferentes. Antes de codificarlas interesa saber a qué aluden, cuándo aparecen y qué consecuencias tienen para quien habla. La familiaridad del profesional con ciertos términos puede ayudar, aunque también puede favorecer una lectura prematura. La atención del análisis lingüístico a la referencia, al contexto y a la reparación impide aquí tratar toda expresión figurada como descripción literal de un síntoma.
Igual de necesaria es la distinción entre relato y observación. «Dice que no logra concentrarse» atribuye a la persona una experiencia comunicada; «no respondió a tres preguntas» describe una conducta en condiciones específicas; «presenta una alteración de la atención» introduce una interpretación de mayor alcance. Cada formulación tiene un estatuto propio. Si un resumen automático las mezcla, el documento resultante puede tener una apariencia coherente y reforzar indebidamente las conclusiones. Cuando se conservan la fuente de cada enunciado y su nivel de inferencia, otros lectores pueden evaluar qué se sabe y qué falta comprobar.
Las discrepancias entre fuentes no deben resolverse desacreditando de entrada a la persona o al instrumento. Es posible que un cuestionario registre una dimensión distinta de la que explora la entrevista, que una tarea breve represente mal las dificultades cotidianas o que una narración varíe cuando cambian la confianza o el propósito de quien la produce. Son posibilidades que requieren investigación, aunque no todas las fuentes valen lo mismo para cualquier pregunta. Hay que justificar la pertinencia de cada una y comprender sus condiciones de producción sin quedarse con la que confirma una hipótesis ya establecida.
Comunicar una experiencia puede, además, modificarla junto con la relación de atención. Encontrar una formulación compartida puede ayudar a organizar lo vivido; una etiqueta precipitada, en cambio, puede estrechar el relato o producir estigma, consecuencias que no se deducen de una palabra aislada y que la investigación debe estudiar. El lenguaje es a la vez medio de acceso a la información y actividad con efectos propios. Evaluar una herramienta clínica solo por la exactitud con que extrae términos de una conversación deja fuera la segunda de esas funciones.
Variables, unidades de análisis y comparaciones en la medición del lenguaje
Mediante un análisis computacional se pueden contar palabras, estimar pausas, representar relaciones semánticas o calcular patrones de turnos. Cada medida necesita una definición operacional. La «coherencia», por ejemplo, puede designar la continuidad temática, las relaciones inferenciales entre enunciados o la proximidad entre representaciones vectoriales. Estas acepciones pueden estar relacionadas, aunque nada obliga a que lo estén. Una conversación cambia a veces de tema de manera adecuada porque responde a preguntas nuevas; a la inversa, un texto puede mantener un vocabulario semejante y contener contradicciones. Por ello, el nombre de una variable no debe tomarse por el fenómeno clínico que se desea investigar.
La segmentación condiciona también las medidas, porque oraciones, cláusulas e intervalos temporales son unidades diferentes. Una transcripción que elimina repeticiones y vacilaciones puede ganar legibilidad y perder información relevante. Si se conserva todo, en cambio, hacen falta criterios consistentes para representar pausas, solapamientos y palabras incompletas. La pregunta de investigación orienta esa elección. Antes de aplicar un modelo conviene establecer qué propiedades deben preservarse y comprobar si la captura y la transformación del material las mantienen con suficiente fidelidad.
Los indicadores acústicos requieren también contexto técnico y comunicativo. La intensidad registrada depende del micrófono y de la distancia, la duración de una pausa depende del lugar donde se fijó el límite del turno y una variación prosódica puede relacionarse con la tarea. Si un clasificador aprende diferencias de grabación que coinciden con los grupos del estudio, puede parecer clínicamente informativo. La accesibilidad técnica de una señal no prueba su validez como marcador. Para establecerla, la evaluación tiene que examinar esas alternativas, estandarizar lo pertinente y conservar la diversidad real cuando esta forme parte de la población de interés.
La medición tiene que distinguir, además, estados, rasgos y situaciones. Un cambio observado durante una entrevista quizá sea transitorio; una tendencia estable puede reflejar la experiencia lingüística o el estilo de la persona; una modificación longitudinal puede relacionarse con acontecimientos diversos. Para interpretar un resultado hay que saber si la comparación es entre personas, dentro de una misma persona o entre tareas, porque cada una responde a una pregunta distinta. Una diferencia entre grupos deja sin probar que el mismo indicador sirva para seguir cambios individuales. Tampoco de un cambio individual aislado se deduce una causa específica.
Qué enseñan los estudios de predicción lingüística
Bedi y colaboradores (2015) presentaron una prueba de principio basada en entrevistas a 34 jóvenes con alto riesgo clínico de psicosis, cinco de los cuales hicieron la transición a psicosis durante el seguimiento. Los autores analizaron características semánticas y sintácticas del discurso con un clasificador sometido a validación cruzada, en la que se dejaba fuera a un participante por vez. El artículo informó una clasificación perfecta en ese conjunto.
La validación cruzada reutilizó esa misma cohorte mediante particiones, sin validación externa. Dados el tamaño y la selección de la muestra y ese procedimiento de evaluación, la clasificación perfecta no demuestra que exista una prueba diagnóstica universal ni asegura el mismo rendimiento en población general.
La selección de características también tiene que formar parte de lo que se valida. Si los indicadores se eligen examinando toda la muestra y luego solo se valida el clasificador, el caso que se deja fuera en cada iteración puede haber influido indirectamente en el diseño. El artículo no describe una selección anidada de características dentro de cada partición. Esa falta de descripción acota la interpretación del rendimiento y refuerza la necesidad de replicación, aunque solo un reanálisis de los datos podría establecer cuánto sesgo introdujo esa decisión.
El valor de un estudio inicial puede estar en mostrar que una hipótesis merece investigarse. Para avanzar hacia la utilidad clínica hacen falta comparaciones externas, evaluación prospectiva y análisis de consecuencias, etapas de las que una cifra llamativa no exime. También debe precisarse qué se predice, porque una transición durante un periodo, una categoría asignada por profesionales y un resultado funcional son objetivos distintos. La definición del desenlace, la duración del seguimiento y la pérdida de participantes pueden cambiar lo que significa acertar o equivocarse.
Tackman y colaboradores (2019) analizaron datos agrupados de varios laboratorios y tareas para estudiar la relación entre el uso de la primera persona del singular, los síntomas depresivos y la emocionalidad negativa. Encontraron entre los síntomas y ese uso lingüístico una asociación pequeña que, según sus análisis, reflejaba en gran medida una relación más amplia con la emocionalidad negativa. La conclusión que se desprende concierne a la especificidad. Una característica asociada con el malestar no debe convertirse sin más en señal exclusiva de depresión. El estudio tampoco hace del uso frecuente de «yo» por parte de una persona concreta una evidencia suficiente para diagnosticarla.
Ambos ejemplos aconsejan leer una publicación más allá de su título. Una asociación, un clasificador y una herramienta asistencial corresponden a niveles de evidencia distintos, con preguntas propias sobre generalización y uso. La investigación lingüística puede aportar mediciones útiles sin que cada una se convierta en una prueba individual. Para avanzar de manera responsable hay que precisar para qué población, con qué procedimiento y con qué incertidumbre una medida aporta información adicional y comprobar después si esa información mejora decisiones relevantes para las personas atendidas.
Categorías clínicas y dimensiones de investigación
Los sistemas diagnósticos y los marcos de investigación cumplen funciones diferentes. Las categorías clínicas pueden organizar la comunicación y la atención. La investigación, por su parte, puede estudiar dimensiones que atraviesan varias categorías. El NIMH describe RDoC como un marco que, para investigar procesos psicológicos y biológicos, integra distintas clases de información y tiene en cuenta el desarrollo y el entorno. La propia institución aclara que RDoC no es una guía diagnóstica ni pretende reemplazar los sistemas diagnósticos actuales. Esa precisión impide tratar una organización de preguntas científicas como si fuera un procedimiento clínico ya validado.
Un proyecto sobre lenguaje puede investigar la memoria de trabajo, la experiencia afectiva, la interacción social o el seguimiento de referencias sin suponer que cada dimensión corresponde a un trastorno único. Esa amplitud puede aclarar mecanismos compartidos, aunque un enfoque «transdiagnóstico» también necesita definiciones precisas, especificidad y validación. Hay que indicar qué proceso se mide, cómo se relaciona con el funcionamiento y qué alternativas se examinan; sin esas precisiones, sustituir una etiqueta diagnóstica por un término dimensional cambia el vocabulario y deja intactos los problemas de inferencia. La heterogeneidad interna de los grupos plantea otra exigencia. Dos personas con la misma categoría diagnóstica pueden tener trayectorias, recursos y dificultades diferentes. Una media grupal útil para cierta pregunta puede ser poco informativa para una decisión individual. Los modelos deberían evaluarse atendiendo a esa variación y a las condiciones de uso. Aumentar el tamaño de una muestra es insuficiente si se mantienen exclusiones que dejan fuera a quienes presentan combinaciones frecuentes de necesidades. La población investigada tiene que corresponder razonablemente a aquella sobre la que se pretende concluir.
El marco integrador admite combinar la narración individual y la medición dimensional si cada una conserva su función. La escala hace posibles comparaciones estandarizadas, la entrevista explora significados y contexto y la medida lingüística caracteriza aspectos del discurso. Su combinación tiene que mostrar qué añade cada fuente. Si todas reproducen el mismo contenido, acumularlas no asegura una evaluación más completa. Una divergencia, en cambio, puede indicar un problema de medida o una dimensión de la experiencia que merece comprenderse mejor.
Producción conjunta de evidencia en la entrevista
La información clínica surge de preguntas, respuestas, reformulaciones y silencios. Heritage y Robinson (2006) estudiaron cómo las preguntas con que los médicos abren la consulta se relacionan con la manera en que los pacientes presentan sus preocupaciones. Esa línea de trabajo recuerda que el formato de la pregunta puede afectar el relato obtenido. El lenguaje del paciente debe analizarse junto con las condiciones interaccionales en que se produjo, porque una diferencia entre entrevistas puede reflejar en parte el modo de conducirlas, además de las propiedades individuales de quienes responden. Una pregunta cerrada puede obtener una confirmación breve y una invitación abierta puede producir un relato extenso; comparar la longitud de ambas respuestas sin considerar la pregunta sería metodológicamente débil. Una interrupción, a su vez, puede ser necesaria para aclarar un punto o impedir que un tema se desarrolle. El análisis tiene que observar secuencias completas y distinguir funciones. Ninguna forma de preguntar es adecuada para toda circunstancia. Corresponde justificar el procedimiento y comprender qué oportunidades de expresión abre o restringe según el objetivo de la entrevista.
La presencia de un sistema de IA puede modificar esas condiciones. Quizá algunas personas se expresen con mayor comodidad y otras se restrinjan por incertidumbre sobre la grabación o el uso de sus datos, hipótesis que requieren investigación y no propiedades universales de la tecnología. Un estudio debería registrar cómo se presenta la herramienta y qué entiende de ella el participante. Una aceptación aparente no asegura que se comprenda su función. Presentar la herramienta como interlocutor clínico o como apoyo para la transcripción puede crear expectativas distintas.
La reparación aporta una evidencia de especial interés. Cuando una persona dice «No, no quise decir eso», señala un problema de interpretación que debe quedar registrado. Un resumen que recoja la primera formulación y omita la corrección puede fijar una información errónea. Un sistema de calidad necesita reconocer versiones y atribuciones a lo largo de la conversación y dejar que el profesional y la persona revisen los términos relevantes. La automatización de la documentación debería facilitar esa revisión e impedir que una inferencia provisional se convierta en un hecho que otros lectores acepten sin acceso al intercambio original.
Lengua, cultura y desigualdad de medición
La evaluación lingüística tiene que considerar la lengua y la variedad que usa la persona, su familiaridad con la tarea y sus prácticas comunicativas. En una lengua adicional, la búsqueda de una palabra puede ir acompañada de pausas. Las narraciones se organizan a veces de un modo distinto del que espera el instrumento y ciertas formas de tratamiento pueden responder a normas locales. Estas observaciones no excluyen la posibilidad de dificultades clínicas, aunque obligan a evitar que una diferencia respecto de la norma de entrenamiento se interprete automáticamente como alteración psicológica o como menor capacidad de comunicación.
Traducir el material puede modificar las propiedades que se desean medir. Las lenguas difieren en la expresión de los pronombres, en sus recursos morfológicos y en sus maneras de organizar la referencia, por lo que un conteo de primera persona puede cambiar de significado operacional después de la traducción. Cuando la traducción es automática pueden regularizarse además repeticiones o completarse elementos implícitos, transformaciones que es preciso conocer si el análisis se hace sobre ese texto. La equivalencia entre lenguas necesita una validación específica y no se obtiene con solo aplicar el mismo nombre a variables calculadas sobre materiales distintos. Los sistemas de reconocimiento de voz pueden introducir errores desiguales. Koenecke y colaboradores (2020) documentaron diferencias de rendimiento entre grupos de hablantes en los sistemas y los datos que estudiaron. Aunque el mismo patrón no puede atribuirse a toda herramienta futura, el hallazgo muestra que la transcripción debe evaluarse por población y por condiciones. En investigación clínica, un error de reconocimiento puede alterar negaciones, referencias o la segmentación y afectar así las medidas posteriores. La validación del clasificador tiene que contemplar, en consecuencia, la calidad de la entrada y la distribución de esos errores.
La participación de comunidades y de personas con experiencia de atención puede mejorar el diseño de preguntas, procedimientos y formas de devolución. Su aporte va más allá de aceptar una tecnología ya construida y puede modificar qué problemas se investigan y qué resultados se consideran útiles. Para no reducirse a un gesto simbólico, necesita recursos y reconocimiento. La equidad metodológica obliga a examinar quién queda fuera de la muestra, quién tiene que hacer esfuerzos adicionales para usar el sistema y quién recibe las consecuencias de sus errores cuando las condiciones reales difieren de las del estudio.
Discriminación estadística, calibración y utilidad clínica
Un modelo basado en indicadores lingüísticos puede ordenar bien los casos según su probabilidad y producir, aun así, estimaciones mal calibradas. Puede también rendir bien en un conjunto seleccionado y tener escaso valor predictivo cuando cambia la frecuencia del resultado en la población. Cuando una clase es mucho más frecuente que otra, la exactitud global puede ocultar errores relevantes. La evaluación tiene que especificar la sensibilidad, la especificidad, la calibración y las consecuencias de las decisiones, con medidas elegidas según el propósito y sin presentar una cifra única como resumen suficiente.
Un ejemplo puramente aritmético, que no corresponde a ninguna enfermedad ni a ningún instrumento real, muestra el problema. Supongamos que, de mil casos, cincuenta presentan el resultado de interés. Un clasificador con una sensibilidad del ochenta por ciento identificaría a cuarenta de ellos. Con una especificidad del noventa por ciento clasificaría además como positivos a noventa y cinco de los novecientos cincuenta restantes. Habría entonces ciento treinta y cinco resultados positivos, de los cuales cuarenta corresponderían al resultado de interés, es decir, aproximadamente el treinta por ciento.
Esa proporción es el valor predictivo positivo del clasificador en esa población y varía con la prevalencia del resultado, de modo que la sensibilidad y la especificidad resultan insuficientes para saber qué significa un positivo.
El ejemplo no indica qué umbral debería utilizarse. Esa elección, en la que pesan costos, beneficios, recursos y acciones posteriores, debe evaluarse en su contexto. Un sistema que invita a revisar información tiene consecuencias distintas de las de otro que activa una clasificación permanente o restringe el acceso. Incluso una alerta reversible puede producir ansiedad o sesgar evaluaciones posteriores. La utilidad clínica tiene que estudiarse observando lo que ocurre después de la salida del sistema, además de comprobar si el algoritmo separa grupos en un archivo retrospectivo. La validación externa y prospectiva permite examinar condiciones que una evaluación interna no reproduce, como cambios de equipos, idiomas, prácticas de entrevista o disponibilidad de datos. Incluso el comportamiento de los profesionales puede cambiar cuando ven la recomendación del sistema. Toda herramienta, por compleja o reciente que sea, debe compararse con la práctica de referencia y con alternativas razonables mediante diseños adecuados a la tarea, que muestren si añade información útil y si su uso mejora resultados relevantes.
Un caso construido de documentación e inferencia
«En las reuniones me quedo buscando palabras; por escrito puedo explicarme mejor», dice una persona en una entrevista imaginaria. Cuando el profesional le pregunta en qué momentos le ocurre, responde que le pasa «sobre todo cuando cambian de tema rápido y todos hablan a la vez». El caso, sin pretensión diagnóstica, sirve para analizar cómo deben conservarse la situación, la modalidad y las condiciones de lo relatado. Un resumen fiel podría registrar la dificultad referida y los contextos que la persona señaló. Escribir «presenta deterioro del lenguaje» introduce una conclusión que el intercambio, considerado aisladamente, no justifica.
Supongamos ahora que un sistema registra pausas prolongadas durante la entrevista. Antes de interpretarlas, el analista necesita saber si coinciden con preguntas complejas, interrupciones, búsqueda de términos o problemas de audio, cuál es la lengua habitual de la persona y en qué condiciones transcurrió la sesión. Lejos de servir de excusa para ignorar la dificultad, esas preguntas forman parte de la evaluación que permite caracterizarla. El indicador quizá oriente una exploración profesional, aunque para interpretarlo hace falta información que el número no contiene.
«No me pasa siempre; en conversaciones de dos personas suele ir bien», aclara la persona más adelante. La corrección restringe el alcance del relato. Un sistema que almacena únicamente «dificultad para hablar» pierde una diferencia que puede ser relevante para comprender necesidades y apoyos. Una representación más adecuada conservaría la comparación entre situaciones e indicaría qué información procede del relato. Si después aparece una observación distinta, podrá examinarse sin borrar la versión anterior ni convertir la discrepancia en una contradicción personal inexplicable.
El caso muestra una función útil de la IA, la de organizar la información y señalar los puntos que necesitan aclaración mientras la decisión interpretativa permanece dentro de un proceso profesional. Esa función también debe validarse para comprobar que las sugerencias no lleven sistemáticamente a categorías predeterminadas ni omitan experiencias difíciles de encajar en ellas. Por encima de la elegancia de la narrativa clínica, el objetivo es preservar la información relevante, facilitar preguntas justificadas y dar a la persona la posibilidad de reconocer o cuestionar cómo se representó lo que comunicó.
La IA como interlocutor y como parte del entorno
Además de analizar el lenguaje, la IA genera respuestas que pueden influir en experiencias y relaciones. Un mensaje de apoyo quizá ayude a alguien sin que su buena acogida demuestre eficacia terapéutica. La disponibilidad continua tampoco asegura respuestas adecuadas a cada situación. Satisfacción, uso repetido, cambio sintomático y resultados funcionales necesitan cada uno su propia evidencia. La evaluación de un interlocutor artificial tiene que examinar qué tareas realiza, qué expectativas crea y cómo se articula con las redes y los servicios existentes. La validación emocional pide especial precisión. Es posible reconocer que una experiencia resulta angustiante sin dar por verdadera cualquier interpretación de sus causas; un sistema puede acompañar el relato y evitar a la vez afirmaciones infundadas. Puede fallar, en cambio, si rechaza bruscamente lo expresado o si intensifica una explicación carente de evidencia para mantener agradable la conversación. Como la calidad de una respuesta abarca su contenido, su alcance y sus consecuencias previsibles dentro de la interacción, el diseño debe evaluar estos patrones en situaciones relevantes sin conformarse con un tono de apariencia empática.
Las expresiones antropomórficas pueden favorecer expectativas de comprensión, disponibilidad o compromiso que exceden las capacidades reales del servicio. Esa posibilidad hace necesario estudiar la relación entre la presentación de una herramienta y su uso, aunque de ella no se desprende que toda relación con una herramienta sea perjudicial ni que el uso frecuente baste para hablar de dependencia clínica. Se trata de observar si la herramienta amplía los recursos de la persona, desplaza apoyos que esta desea conservar, dificulta la interrupción del uso o modifica decisiones importantes. Responder a esas preguntas requiere contexto y seguimiento; sin ellos, una categoría moral sobre la tecnología corre el riesgo de convertirse en un diagnóstico sobre quien la utiliza.
Cuando una aplicación se incorpora a la atención, sus límites tienen que corresponder a procedimientos reales. Declarar que existe supervisión carece de efecto si nadie revisa las salidas relevantes o si el equipo no tiene tiempo para responder. La gestión de las situaciones que requieren atención humana debe estar definida y probada en el contexto de uso. Cualquiera que sea la ruta clínica de cada servicio, los mensajes sobre ayuda, revisión o disponibilidad tienen que ajustarse a lo que el servicio puede cumplir, con responsables y recursos asignados.
Datos sensibles, consentimiento y control
En el lenguaje clínico puede haber información sobre terceras personas, lugares, relaciones y acontecimientos que hace posible identificar a alguien aun después de retirar su nombre. Protegerla obliga a analizar contenido y contexto, además de eliminar los identificadores evidentes. El acceso, la conservación, la transferencia y la reutilización de un corpus, por útil que sea, requieren procedimientos acordes con la institución y con las normas aplicables. El marco integrador ayuda a plantear estas preguntas, cuya respuesta corresponde a una evaluación jurídica y ética específica.
El consentimiento tiene que recaer sobre funciones comprensibles. Transcribir una consulta, entrenar un modelo y analizar patrones longitudinales son usos distintos que, según el contexto, pueden requerir decisiones separadas. Una explicación demasiado técnica puede ocultar el propósito, del mismo modo que una demasiado vaga puede impedir una elección informada. Al participante debería indicársele qué se recoge, para qué se usa, quién accede y qué opciones existen. La participación no debería depender de que la persona aparente comodidad con una tecnología. También corresponde examinar alternativas viables para quienes no desean o no pueden utilizarla.
La minimización de datos exige relacionar cada elemento recogido con una pregunta o una función. Conservar el audio puede ser necesario para ciertas medidas y excesivo para otras. Un registro de modificaciones puede ayudar a revisar errores sin justificar por ello la vigilancia total de la persona. Las decisiones deben sopesar el beneficio, el riesgo y la posibilidad de reproducir el análisis. La seguridad técnica importa, aunque es insuficiente para establecer la legitimidad de la recogida, ya que un sistema puede proteger adecuadamente datos que nunca necesitó recoger para la tarea que se proponía.
La OMS, en su comunicado de 2024 sobre modelos multimodales en salud, señala riesgos de información inexacta, sesgos, automatización indebida y protección de datos, junto con la necesidad de participación y supervisión. Es una orientación general que no certifica herramientas concretas.
Para aplicarla hay que traducirla en decisiones verificables sobre responsabilidades, pruebas, procedimientos de corrección y seguimiento. La gobernanza es eficaz cuando cambia prácticas y ayuda a detectar problemas. Un documento de principios sin recursos, capacidad de intervención ni evaluación de resultados da una protección limitada frente a errores reales.
Diseñar investigación clínica lingüística con rigor
Un proyecto debería partir de una pregunta delimitada, puesto que describir una característica, predecir un desenlace y evaluar una herramienta de apoyo son objetivos diferentes. A continuación deben definirse la población, el procedimiento de obtención del lenguaje y el criterio de referencia. Si el objetivo es pronóstico, el tiempo tiene que formar parte explícita del diseño; si se evalúa la documentación, la fidelidad y la utilidad del resumen pueden ser resultados relevantes. Esa claridad inicial impide que una base de datos disponible dé lugar a análisis exploratorios presentados más tarde como confirmación de una hipótesis nunca formulada.
La separación entre entrenamiento y evaluación tiene que respetar las dependencias de los datos. Si fragmentos de una misma persona se reparten entre ambos conjuntos, el sistema puede reconocer características personales y aparentar que generaliza a participantes nuevos. Lo mismo vale para centros, sesiones y versiones de transcripción. La selección de variables y de parámetros puede filtrar información si utiliza el conjunto reservado para la evaluación. Un diseño transparente describe estas decisiones y conserva materiales suficientes para su revisión dentro de los límites de la privacidad, sin publicar indiscriminadamente conversaciones identificables.
Los comparadores tienen que ser pertinentes, porque un modelo complejo puede superar una referencia débil sin aportar nada frente a la información clínica sencilla ya disponible. También puede ahorrar tiempo y aumentar errores importantes. La evaluación debería considerar el valor añadido, la carga de trabajo y la distribución de los fallos. Cuando intervienen profesionales, interesa ver cómo usan la salida, cuándo la cuestionan y qué errores detectan. Su presencia no da garantías de seguridad si las condiciones de trabajo favorecen aceptar recomendaciones sin tiempo ni información para examinarlas.
La investigación tiene que distinguir los resultados exploratorios de los confirmatorios, informar la incertidumbre y documentar los análisis negativos relevantes. Una asociación que no se reproduce puede revelar condiciones de la tarea o problemas de medición y no debe ocultarse para conservar un relato de avance tecnológico.
Como las herramientas generativas pueden modificar su comportamiento entre versiones, la evaluación debe actualizarse con cada cambio del sistema. La validez pertenece a la configuración y al contexto que se evaluaron; extenderla a otros requiere evidencia, sobre todo cuando se pretende pasar de la investigación a las decisiones asistenciales.
Devolución de resultados y redacción de informes
La devolución de información tiene que distinguir lo observado, la incertidumbre y lo que puede hacerse con el resultado. Aunque dependa de supuestos y de condiciones específicas, una puntuación puede parecer objetiva y definitiva. Presentarla sin contexto puede favorecer interpretaciones erróneas. En investigación debe decidirse de antemano qué resultados tiene sentido devolver y con qué apoyo, puesto que algunas medidas experimentales carecen de fiabilidad en el plano individual. Convertirlas en una etiqueta personal puede producir consecuencias que el estudio no está preparado para comprender ni reparar. La redacción de los informes tiene efectos propios. Frente a «el sistema detectó un patrón en esta tarea», la fórmula «la persona es desorganizada» transforma una observación localizada en una característica global y descarta que el patrón dependa de condiciones técnicas o interaccionales. Una redacción precisa conserva el ámbito, la fuente y el grado de certeza. Requiere afirmar exactamente lo que la evidencia sostiene y separar con claridad las preguntas que siguen abiertas, sin necesidad de un texto incomprensible lleno de reservas.
La persona tiene que poder corregir la información factual y discrepar de las interpretaciones relevantes. Su perspectiva deja intacta la responsabilidad profesional de evaluar y aporta información esencial sobre el caso. La revisión debe impedir que un error automático se propague entre documentos hasta volverse difícil de cuestionar por la mera repetición. La trazabilidad puede mostrar de dónde procede una afirmación y cuándo cambió. La corrección de los registros tiene que ser posible en la práctica, ajustarse a los procedimientos del servicio y conservar lo necesario para comprender la historia de las decisiones.
La recuperación y el bienestar no deben definirse únicamente por la aproximación a un patrón lingüístico promedio. Hay quien se comunica de manera singular y participa satisfactoriamente en sus actividades, como hay quien produce un discurso convencional y experimenta un sufrimiento significativo. El análisis lingüístico aporta una perspectiva y no una medida total del valor personal. La integración requiere que la tecnología apoye la comprensión y la atención sin hacer de la facilidad de clasificación un criterio exclusivo de normalidad. Los resultados relevantes tienen que incluir lo que pesa en el funcionamiento de la persona y en sus objetivos, evaluado de forma adecuada.
Un marco de relaciones, límites y responsabilidades
El marco propuesto conecta la experiencia relatada, la organización lingüística, la interacción, la trayectoria personal y el contexto institucional. La IA puede intervenir en varios de esos puntos, aunque cada intervención tiene que justificar su función y su evidencia. Una transcripción necesita fidelidad; un indicador, validez; una predicción, evaluación externa. Una recomendación requiere procedimientos de uso y una devolución debe poder comprenderse y revisarse. Son exigencias distintas, que ninguna prueba única puede satisfacer a la vez. Integrar obliga a seguir la cadena completa y a reconocer en qué punto una conclusión excede el apoyo disponible. Según los estudios revisados, el análisis automatizado puede revelar patrones de interés, aunque las asociaciones pequeñas o poco específicas desaconsejan lecturas simplistas; los marcos dimensionales pueden orientar la investigación sin ser diagnósticos, los datos de entrevista se producen conjuntamente y los errores de reconocimiento de voz pueden distribuirse de forma desigual. Estas contribuciones deben conectarse con cautela, sin extender ningún hallazgo más allá de su alcance ni presentar la selección aquí reunida como evaluación completa del campo.
El principio organizador es mantener a la persona y su contexto como referencia de la actividad. La medición y la automatización tienen cabida en él, siempre que se pregunte qué información añaden, qué decisiones modifican y qué consecuencias producen. Una herramienta útil puede ser limitada y transparente y otra más amplia resultar difícil de evaluar. Calcular más características del discurso tiene valor en la medida en que mejore la comprensión, la documentación y la atención mediante tareas concretas cuya contribución pueda examinarse con rigor. En la lectura siguiente, sobre métodos avanzados de investigación del lenguaje, se extenderán a otros ámbitos las mismas exigencias de construir preguntas precisas, definir unidades, distinguir observación e inferencia, combinar métodos y comunicar límites. En salud mental esas exigencias pesan más por sus consecuencias, aunque son condiciones generales de cualquier ciencia del lenguaje que trabaje con personas, sistemas computacionales y prácticas sociales.
Referencias
Bedi, G., Carrillo, F., Cecchi, G. A., Slezak, D. F., Sigman, M., Mota, N. B., Ribeiro, S., Javitt, D. C., Copelli, M., y Corcoran, C. M. (2015). Automated analysis of free speech predicts psychosis onset in high-risk youths. npj Schizophrenia, 1, 15030. https://doi.org/10.1038/npjschz.2015.30
Heritage, J., y Robinson, J. D. (2006). The structure of patients' presenting concerns: Physicians' opening questions. Health Communication, 19(2), 89–102. https://doi.org/10.1207/s15327027hc1902_1
Koenecke, A., Nam, A., Lake, E., Nudell, J., Quartey, M., Mengesha, Z., Toups, C., Rickford, J. R., Jurafsky, D., y Goel, S. (2020). Racial disparities in automated speech recognition. Proceedings of the National Academy of Sciences, 117(14), 7684–7689. https://doi.org/10.1073/pnas.1915768117
National Institute of Mental Health. (s. f.). About RDoC. Consultado el 21 de octubre de 2026. https://www.nimh.nih.gov/research/research-funded-by-nimh/rdoc/about-rdoc
Organización Mundial de la Salud. (2024, 18 de enero). WHO releases AI ethics and governance guidance for large multi-modal models [Comunicado]. https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models
Tackman, A. M., Sbarra, D. A., Carey, A. L., Donnellan, M. B., Horn, A. B., Holtzman, N. S., Edwards, T. S., Pennebaker, J. W., y Mehl, M. R. (2019). Depression, negative emotionality, and self-referential language: A multi-lab, multi-measure, and multi-language-task research synthesis. Journal of Personality and Social Psychology, 116(5), 817–834. https://doi.org/10.1037/pspp0000187