El 26 de septiembre de 2026, la revista Translational Psychiatry, del grupo Nature, publicó un ensayo que muchos titulares van a resumir mal. El estudio probó si un algoritmo de aprendizaje automático (machine learning) elige mejor que el azar qué ejercicio de bienestar enviar al celular de una persona joven. La respuesta fue: un poco mejor, en un solo indicador, y con muchas cautelas.
Como psicóloga, me interesa menos el entusiasmo tecnológico que la pregunta clínica de fondo: ¿qué significa este resultado para quienes buscan acompañamiento psicológico real, en especial para las personas LGBTIQ+?
Qué hizo el estudio
El equipo, dirigido por Christian Rauschenberg y Ulrich Reininghaus, trabajó con jóvenes de 14 a 25 años en Alemania. Durante 40 días, cada participante usó una aplicación que varias veces al día le preguntaba cómo se sentía. Al responder, recibía un microejercicio breve basado en técnicas de reenfoque positivo, mindfulness y compasión.
La novedad estuvo en el diseño. En cada momento de decisión, un sorteo definía quién elegía el ejercicio:
| Condición | Quién elegía el ejercicio | Cómo |
|---|---|---|
| Experimental | Un algoritmo (red neuronal recurrente) | Simulaba cómo evolucionaría el estado de ánimo de esa persona con cada ejercicio posible y favorecía el que proyectaba más beneficio |
| Control activo | El azar | Cualquiera de los ocho ejercicios, con igual probabilidad |
Este formato se llama ensayo microaleatorizado: la aleatorización no ocurre una sola vez por persona, sino hasta siete veces al día. Permite medir el efecto de cada decisión dentro de la misma persona a lo largo del tiempo.
Qué encontró
- Resiliencia momentánea: hubo una señal pequeña a favor del algoritmo (B = 0,147; IC 95 %: 0,004–0,290; p = 0,044). El límite inferior del intervalo está muy cerca de cero.
- Afecto positivo y afecto negativo: no hubo evidencia de beneficio frente al azar.
- Seguridad: no se registraron eventos adversos graves.
- Aceptación: las personas participantes calificaron bien la app, aunque la disposición a pagar por ella fue dispar.
- Mejoras antes y después: se observaron reducciones de malestar y aumentos de resiliencia, pero sin grupo control a nivel de persona. Los propios autores advierten que esas mejoras no pueden atribuirse causalmente a la intervención.
Lo que este estudio NO dice
Aquí está el riesgo de interpretación. Estas son lecturas erróneas que conviene desactivar antes de que circulen:
| Lectura errónea | Lo que realmente muestra la evidencia |
|---|---|
| “La IA ya puede hacer terapia” | El algoritmo no conversaba ni diagnosticaba. Solo elegía entre ocho ejercicios breves prediseñados por profesionales |
| “Funciona para depresión o ansiedad” | Se excluyó a personas con diagnóstico actual, en tratamiento o con riesgo suicida agudo. Es evidencia de promoción, no de tratamiento |
| “Está demostrado que personalizar con IA es mejor” | Fue un efecto pequeño, en uno de tres indicadores y con 42 personas analizadas, por debajo de las 60 planificadas |
| “La IA entendió a cada persona” | Los autores reconocen que no pueden distinguir si el efecto vino de una personalización real o de que el algoritmo favoreció ejercicios que eran buenos para casi todos |
| “Sirve para detectar crisis” | Los autores advierten que el modelo no debe usarse para detectar ni intervenir en crisis ni deterioros que no aparezcan en los datos con los que se entrenó |
La honestidad metodológica de los autores es ejemplar. El problema no es el estudio. El problema será cómo lo vendan quienes tienen una app que comercializar.
Por qué importa para las personas LGBTIQ+
La salud mental de nuestra población no se explica por una fragilidad individual. Se explica en gran medida por el estrés de minorías: la carga acumulada de discriminación, ocultamiento, rechazo anticipado y violencia estructural, descrita por Ilan Meyer hace más de dos décadas. Un algoritmo que solo lee el estado de ánimo de hace unas horas no ve el contexto que produce ese malestar: la familia que expulsa, el trámite que niega la identidad o el trabajo que se pierde.
A eso se suman tres alertas concretas:
- Representatividad. La muestra fue 78 % femenina y mayoritariamente de nivel educativo medio o alto. No se reportan datos sobre orientación sexual ni identidad de género. Un modelo entrenado sin nuestras trayectorias no aprende nuestras trayectorias.
- Datos sensibles. Una app que registra el estado emocional varias veces al día genera datos de salud. En Ecuador, la Ley Orgánica de Protección de Datos Personales los considera datos sensibles. Para una persona trans o no binaria, una filtración no es una molestia: puede ser una exposición con consecuencias laborales, familiares o de seguridad.
- Relación terapéutica. La práctica afirmativa, tal como la establecen las guías de la American Psychological Association para personas trans y de género no conforme, se construye sobre el reconocimiento, la validación y el vínculo. Un ejercicio bien elegido puede complementar ese vínculo, pero no lo reemplaza.
La experiencia de Centro Psico X
En Asociación Silueta X aprendimos esto desde la práctica. El servicio que hoy es Centro Psico X nació como Centro Psico Trans, porque las personas trans no encontraban atención psicológica que no las patologizara. Su evolución hacia un centro afirmativo para toda la población LGBTIQ+ respondió a la misma lógica: la atención tiene que partir de la realidad de quien consulta, no de un protocolo genérico.
Por eso, nuestro criterio ante cualquier herramienta digital de salud mental se resume en cinco preguntas:
| # | Pregunta | Qué buscar |
|---|---|---|
| 1 | ¿Hay evidencia de tratamiento o solo de bienestar? | Ensayos con población clínica comparable a quien la usará |
| 2 | ¿Con quién se entrenó el modelo? | Datos sobre género, identidad, orientación, nivel socioeconómico y país |
| 3 | ¿Quién ve mis datos y dónde se almacenan? | Política de privacidad clara, consentimiento específico, cumplimiento de la LOPDP o del GDPR |
| 4 | ¿Qué pasa si estoy en crisis? | Derivación inmediata a un ser humano y líneas de emergencia visibles |
| 5 | ¿Hay un profesional responsable? | Supervisión clínica identificable, no solo un equipo de producto |
Si una herramienta no responde a estas preguntas, no está lista para acompañar a nuestra comunidad, por atractiva que sea su interfaz.
Conclusión: el lugar correcto de la IA
Este ensayo es una buena noticia para la ciencia y una mala noticia para el marketing apresurado. Muestra que es viable y seguro, en jóvenes sin diagnóstico actual, que un algoritmo proponga microejercicios de bienestar, con una ventaja pequeña y todavía frágil sobre el azar. Los propios autores piden ensayos más grandes y con suficiente potencia estadística antes de sacar conclusiones firmes.
Mi postura profesional es clara: personalizar una intervención con inteligencia artificial no convierte a la inteligencia artificial en terapeuta. La IA puede ser una herramienta entre sesiones. La decisión clínica, la lectura del contexto y la responsabilidad ética siguen siendo humanas. En salud mental LGBTIQ+, además, son indelegables.
Bibliografía
- American Psychological Association. (2015). Guidelines for psychological practice with transgender and gender nonconforming people. American Psychologist, 70(9), 832–864. https://doi.org/10.1037/a0039906
- Balaskas, A., Schueller, S. M., Cox, A. L., & Doherty, G. (2021). Ecological momentary interventions for mental health: A scoping review. PLoS ONE, 16(3), e0248152. https://doi.org/10.1371/journal.pone.0248152
- Chekroud, A. M., Bondar, J., Delgadillo, J., Doherty, G., Wasil, A., Fokkema, M., et al. (2021). The promise of machine learning in predicting treatment outcomes in psychiatry. World Psychiatry, 20(2), 154–170. https://doi.org/10.1002/wps.20882
- Götzl, C., Hiller, S., Rauschenberg, C., Schick, A., Fechtelpeter, J., Fischer Abaigar, U., et al. (2022). Artificial intelligence-informed mobile mental health apps for young people: A mixed-methods approach on users’ and stakeholders’ perspectives. Child and Adolescent Psychiatry and Mental Health, 16, 86. https://doi.org/10.1186/s13034-022-00522-6
- Klasnja, P., Hekler, E. B., Shiffman, S., Boruvka, A., Almirall, D., Tewari, A., & Murphy, S. A. (2015). Microrandomized trials: An experimental design for developing just-in-time adaptive interventions. Health Psychology, 34(Suppl.), 1220–1228. https://doi.org/10.1037/hea0000305
- Meyer, I. H. (2003). Prejudice, social stress, and mental health in lesbian, gay, and bisexual populations: Conceptual issues and research evidence. Psychological Bulletin, 129(5), 674–697. https://doi.org/10.1037/0033-2909.129.5.674
- Nahum-Shani, I., Smith, S. N., Spring, B. J., Collins, L. M., Witkiewitz, K., Tewari, A., & Murphy, S. A. (2018). Just-in-time adaptive interventions (JITAIs) in mobile health: Key components and design principles for ongoing health behavior support. Annals of Behavioral Medicine, 52(6), 446–462. https://doi.org/10.1007/s12160-016-9830-8
- Rauschenberg, C., Schirmbeck, F., Fechtelpeter, J., Wierzba, E., Hiller, S., Kahr, K., et al. (2026). A machine learning-based ecological momentary intervention for mental health promotion in youth: A micro-randomized trial. Translational Psychiatry, 16, 487. https://doi.org/10.1038/s41398-026-04475-8
- Reininghaus, U., Reinhold, A. S., Priebe, S., Rauschenberg, C., Fleck, L., Schick, A., et al. (2024). Toward equitable interventions in public mental health: A review. JAMA Psychiatry, 81(12), 1270–1275. https://doi.org/10.1001/jamapsychiatry.2024.3206
- World Health Organization. (2021). Ethics and governance of artificial intelligence for health: WHO guidance. World Health Organization.
Contacto
- Consultorías personales o sesiones psicológicas con Diane Rodríguez: info@dianerodriguez.net
- Atención psicológica afirmativa en Centro Psico X (Asociación Silueta X): psicologia.siluetax.org
Sources:
