ANSIEDAD Y DEPRESIÓN, UNA MIRADA FUTURA DESDE LA PSICOLOGÍA Y LA PSIQUIATRÍA TOMANDO EN CUENTA LA INTELIGENCIA ARTIFICIAL

La depresión es definida según Ferster (1965) como un “Estado emocional acompañado de un retardo en los procesos psicomotores y de pensamiento, una reacción emocional depresiva, sentimientos de culpa y pensamientos de inutilidad”.

Así mismo Beck (1970) la define como “Estado anormal del organismo que se manifiesta, a través de señales y síntomas, como un estado de ánimo subjetivo bajo, actitudes pesimistas y nihilistas, una pérdida de la espontaneidad y señales vegetativas específicas”.

Los trastornos de ansiedad (TCA) son reconocidos como algunos de los trastornos mentales más prevalentes en niños y adolescentes, solo detrás del trastorno por déficit de atención / hiperactividad (TDAH) y el trastorno de conducta (Asbahr, 2004). Los estudios epidemiológicos en poblaciones estadounidenses han indicado que los TCA en niños y adolescentes tienen una prevalencia estimada del 8 al 12%. Los TCA pueden provocar manifestaciones clínicas capaces de generar importantes deterioros en el funcionamiento normal del individuo.

El término inteligencia artificial solía estar relacionado con narrativas futuristas en escenarios usualmente irreales. Sin embargo, el estado actual de las cosas es muy diferente. Gracias a los descubrimientos y avances tecnológicos, el concepto de inteligencia artificial ha adquirido un nuevo sentido, pasando a formar parte de la cotidianeidad de una gran parte de la población mundial. López (2019)

La inteligencia artificial es una rama de la ciencia informática que tiene como objetivo diseñar tecnología que emule la inteligencia humana. Esto significa que, mediante la creación de algoritmos y sistemas especializados, las máquinas pueden llevar a cabo procesos propios de la inteligencia humana, como aprender, razonar o autocorregirse. López (2019)

La manera en que opera una solución de IA varía en función de sus objetivos y aplicaciones. No obstante, todos los sistemas de inteligencia artificial tienen un factor en común: el manejo de datos. López (2019)

Al procesar esta información, el software puede identificar patrones y aprender a responder dependiendo de sus objetivos. Así, por ejemplo, un sistema basado en procesamiento del lenguaje natural (también conocido como PLN) puede no solo analizar y entender el lenguaje humano, sino que también puede llegar a generarlo por sí mismo.

Para hablar de la historia de la inteligencia artificial hay que mencionar los orígenes de la computación. Es importante tener en mente que el desarrollo de la IA depende del surgimiento de las ciencias informáticas.

A mediados de la década de los 30, Alan Turing publicó un artículo en el que introdujo el concepto de Máquina de Turing. En su escrito, el matemático británico definió lo que él describió como una máquina calculadora de capacidad infinita, sentando así las bases del concepto moderno de algoritmo. Fue tal la repercusión de este texto que a la fecha es considerado como la base teórica de las ciencias de la computación.

Desde entonces hasta la fecha se ha visto un incremento exponencial en la difusión de la IA. Si bien las aplicaciones de la inteligencia artificial son prácticamente infinitas, las áreas de salud, finanzas, comunicación y ciberseguridad han sido especialmente beneficiadas por estos avances. López (2019)

Generalidades

López (2019), expresó que los dos principales objetivos de la inteligencia artificial en la salud son mejorar la atención a los pacientes y reducir los costos. Para lograr esto se han diseñado algunas soluciones:

Programas que permiten identificar factores genéticos que pueden hacer más susceptible a una persona de desarrollar una enfermedad.

Sistemas que interactúan con los pacientes para extraer información que después se coteja con otras bases de datos a fin de realizar diagnósticos más oportunos.

Chtabots que ofrecen retroalimentación sobre cuestiones de salud básicas.

Programas que ofrecen lecturas más rápidas a partir de las pruebas y análisis de los pacientes.

Determinantes sociales de la ansiedad en el siglo XXI

Las redes sociales, así como la tecnología en general, nos han mantenido en contacto durante la pandemia. No obstante, su uso cada vez más asiduo ha tenido repercusiones negativas sobre las personas,

especialmente en las nuevas generaciones, llegando a tener un gran impacto a nivel de su salud mental. En un estudio reciente llevado a cabo en Uruguay se observó que un uso excesivo de las redes sociales aumenta los niveles de ansiedad y genera dependencia, lo que se hace más evidente cuando no se tiene acceso a estas. Además, se han generado nuevos escenarios como la posibilidad de recibir ciberacoso y ciberbullying que, aunque ocurren en un plano digital, son vividos dentro de los espacios seguros de las personas a través de las pantallas, lo que genera una sensación de constante exposición a las opiniones y violencias ajenas.

Por otro lado, un estudio transversal llevado a cabo en Serbia e Italia entre la población universitaria plantea que factores asociados a cómo se usan los teléfonos móviles, y no únicamente cuánto se usan, intervienen en los niveles de depresión, ansiedad y estrés. Por ejemplo, encontraron más síntomas de ansiedad entre los más jóvenes y entre los que utilizaban el móvil en mayor medida para mandar mensajes de texto, el estrés era también mayor entre quienes pasaban más tiempo al día usando el teléfono. Paradójicamente, también sufrían más niveles de estrés aquellos que menos llamadas telefónicas hacían por día. Estos resultados arrojan algo de luz sobre la disyuntiva de por qué, si el aumento de las relaciones sociales actúa como factor protector de trastornos ansioso-depresivos, algunas formas de mantenerse en contacto son ansiógenas.

En los últimos años la infoxicación (sobrecarga excesiva de informaciones en ocasiones contradictorias) que recibimos se ve agravada por el incremento en el número de noticias falsas y desinformación en temas muy relevantes para la vida como la salud y la política. En una revisión sistemática se observó que la búsqueda de información en Internet es una práctica muy habitual, más aún si el paciente presenta dudas no resueltas o un estado emocional ansioso.

Estas búsquedas pueden dar pie a conclusiones erróneas sobre la evolución de enfermedades, a tratamientos «caseros» o a autodiagnósticos de enfermedades, aumentando a su vez la ansiedad de la persona. El doomscrolling, una tendencia en los jóvenes de pasar demasiado tiempo revisando y buscando noticias de connotación negativa de la actualidad a altas horas de la madrugada y a través de las redes sociales, está generando un creciente interés por su relación con los tipos de personalidad, la adicción a las redes sociales, el tipo de uso que se hace de estas y por su influencia en el bienestar y la salud mental de las personas, lo que no parece ocurrir con el uso de medios de información tradicionales. Este fenómeno se pudo ver intensificado en la pandemia donde la retransmisión constante de información de connotación negativa generó respuestas emocionales intensas con agotamiento emocional, incrementando los índices de depresión y de trastorno por estrés postraumático, especialmente entre personas vulnerables. Durante la pandemia algunas personas usaron estrategias de evitación activa y filtración de noticias como protección emocional.

Además, las redes sociales han intensificado las expectativas sobre la imagen corporal con la aplicación de filtros e inteligencia artificial para exponer cuerpos idealizados que alejan la identificación y aumentan la presión sobre la autoimagen. Además, la pérdida o disminución de la privacidad produce una sensación de exposición constante, no solo a nivel físico sino también por el aumento de la educación en línea y del trabajo remoto generando espacios virtuales de comparación y competencia. Debido al creciente aumento de sus prevalencias, los trastornos mentales son un problema de salud pública. Entre los trastornos mentales los de ansiedad se consideran los más frecuentes en personas de cualquier edad (infancia, adolescencia y adultez).

La ansiedad se define como la anticipación a una amenaza futura que surge de la percepción de estímulos generales potencialmente dañinos, evocando un estado de inquietud, agitación, preocupación e hipervigilancia. Se ha conceptualizado a la ansiedad como un mecanismo de respuesta fisiológica y conductual generada para evitar un daño (Academia Nacional de Medicina [ANNM], 2012).

Desde el punto de vista evolutivo se le considera una conducta adaptativa, ya que promueve la supervivencia induciendo al individuo a mantenerse alejado de situaciones y lugares con un peligro potencial. Sin embargo, la ansiedad puede convertirse en un trastorno mental, cuando esta conducta surge recurrentemente como una respuesta anticipatoria involuntaria e intensa ante una amenaza potencial, ya sea real o supuesta. Además, en los trastornos de ansiedad (TA) la respuesta es persistente e incontrolable, mermando la calidad de vida del individuo.

Dentro de los trastornos de ansiedad encontramos el trastorno de pánico, la agorafobia y el trastorno de ansiedad generalizada. El tratamiento de primera línea de estos trastornos son los antidepresivos inhibidores selectivos de la recaptación de serotonina (ISRS) o los inhibidores de la recaptación de serotonina y noradrenalina (IRSN) por su efectividad, tolerabilidad y ausencia de riesgo de tolerancia y dependencia. Estos mismos riesgos son los que limitan el uso de las benzodiacepinas, que si bien se utilizan frecuentemente y son útiles para el control agudo de la ansiedad, no están indicadas para el manejo de la ansiedad a largo plazo (Kogan et.al, 2016; Chavéz-León et.al, 2008).

Los trastornos de ansiedad como grupo son la clase más común de trastornos mentales, las estimaciones de prevalencia de ansiedad los trastornos varían según los países, con una prevalencia de 12 meses de 29 .8% en México. El Trastorno de Ansiedad Generalizado (TAG), es un trastorno crónico, sin embargo, los pacientes informan de los síntomas a su médico, de hecho, los pacientes se presentan predominantemente en atención primaria y no en salud mental. Existe una gran variedad de tratamientos farmacológicos y conductuales, de ellos destaca la ACT que enfatiza la importancia del contexto en el que tiene lugar la conducta problemática y las funciones de esta, más que la topografía de sus síntomas (Craske, 2016).

El trastorno de depresión mayor (TDM) es una enfermedad heterogénea, sus mecanismos patológicos y farmacológicos aún no están claros y los métodos diagnósticos y terapéuticos para el TDM son limitados. Los ISRS y los IRSN son los tratamientos de primera línea para el TDM en la clínica; sin embargo, una parte considerable de los pacientes con TDM no responden bien a los antidepresivos disponibles actualmente.

Según investigaciones sobre terapias secuenciales del mundo real, incluso después de numerosos intentos de tratamiento, casi el 30% de los pacientes con TDM no experimentan remisión. Esto sugiere que las teorías e hipótesis existentes no pueden explicar completamente la patogénesis del TDM y que todavía se necesita más investigación sobre los mecanismos farmacológicos de los antidepresivos actualmente disponibles. Discutimos principalmente la posible etiología y patogénesis del TDM desde la perspectiva de teorías ampliamente aceptadas, incluida la hipótesis de los neurotransmisores y receptores, la hipótesis del eje HPA, la hipótesis de las citoquinas, la hipótesis de la neuroplasticidad y la hipótesis de la influencia sistémica. Una comprensión más completa de los mecanismos fisiopatológicos del TDM podría mejorar significativamente nuestra capacidad para desarrollar métodos terapéuticos preventivos y más eficaces que puedan ayudar a reducir la carga y el dolor causado por la depresión mayor. El conocimiento de los procesos celulares que impulsan estas alteraciones y los síntomas que causan puede resultar crucial y proporcionará información para nuevos tratamientos.

El TDM está relacionado con varias modificaciones celulares y estructurales en el sistema nervioso. Sin embargo, en la mayoría de estas alteraciones no se pueden observar consistentemente in vivo. Por lo tanto, es necesario considerar varias cuestiones en investigaciones futuras: (i) Los estudios de modelos animales han hecho contribuciones importantes a nuestra comprensión de la fisiopatología de la depresión mayor, y se deben desarrollar modelos animales más representativos del TDM. (ii) Debido a nuestra comprensión incompleta de la enfermedad y de su complejidad intrínseca, existe una necesidad urgente de desarrollar tecnologías de imágenes y software de imágenes actualizados para permitir avances en nuestra comprensión de la enfermedad. (iii) Las deficiencias terapéuticas de los antidepresivos tradicionales han impulsado la necesidad de seguir descubriendo y desarrollando fármacos. (iv) El TDM está fuertemente asociado con muchos sistemas, y será importante dilucidar aún más los mecanismos asociados con el TDM y otras condiciones patológicas.

La depresión es una enfermedad frecuente en todo el mundo, pues se estima que afecta a un 3,8% de la población, incluidos un 5% de los adultos y un 5,7% de los adultos de más de 60 años (1). A escala mundial, aproximadamente 280 millones de personas tienen depresión (1). La depresión es distinta de las variaciones habituales del estado de ánimo y de las respuestas emocionales breves a los problemas de la vida cotidiana. Puede convertirse en un problema de salud serio, especialmente cuando es recurrente y de intensidad moderada a grave. Puede causar gran sufrimiento a la persona afectada y alterar sus actividades laborales, escolares y familiares. En el peor de los casos, puede llevar al suicidio. Cada año se suicidan más de 700 000 personas. El suicidio es la cuarta causa de muerte en el grupo etario de 15 a 29 años.

Conclusiones

  • Hasta el momento no existe información científica aprobada que remplace el abordaje psicológico y psiquiátrico usando la inteligencia artificial.
  • Es casi seguro que la IA afectará a la fuerza laboral de la próxima generación. Un informe de 2020 del Foro Económico Mundial predijo que la IA reemplazará 85 millones de puestos de trabajo para 2025, mientras que esa misma tecnología podría generar potencialmente 97 millones de nuevos puestos en 26 países.
  • La depresión es un trastorno mental común. Se estima que en todo el mundo el 5% de los adultos padecen depresión.
  • La depresión es la principal causa mundial de discapacidad y contribuye de forma muy importante a la carga mundial general de morbilidad.
  • Aunque hay tratamientos conocidos y eficaces contra los trastornos mentales, más del 75% de las personas afectadas en los países de ingresos bajos y medianos no recibe tratamiento alguno.
  • La inteligencia artificial se está utilizando en la detección y tratamiento de la depresión de diversas formas. Por ejemplo, algunos sistemas pueden analizar patrones en el lenguaje o en las interacciones en línea para identificar señales de depresión temprana. Además, hay aplicaciones que ofrecen terapia guiada por IA y chatbots diseñados para brindar apoyo emocional y consejos. Sin embargo, es importante asegurarse de que estos sistemas sean éticos, precisos y respetuosos de la privacidad de los usuarios.
  • Se están desarrollando aplicaciones y sistemas que utilizan algoritmos de IA para detectar patrones en el comportamiento y ofrecer intervenciones personalizadas para la ansiedad. Sin embargo, también plantea preguntas éticas sobre la privacidad y el manejo de datos sensibles.

Recomendaciones claves:

Cuando se utiliza inteligencia artificial en la salud mental, es importante tener en cuenta algunas recomendaciones clave:

1. Ética y Privacidad: Prioriza la ética y el respeto por la privacidad de los usuarios. Asegúrate de cumplir con las regulaciones de protección de datos y obtener el consentimiento informado de los usuarios antes de recopilar o utilizar cualquier información personal.

2. Precisión y Fiabilidad: Verifica la precisión y fiabilidad de los algoritmos utilizados. Es crucial que cualquier herramienta de inteligencia artificial utilizada en la salud mental esté respaldada por evidencia sólida y validación clínica.

3. Transparencia: Provee transparencia en cuanto al funcionamiento de los algoritmos utilizados y cómo se toman las decisiones. Los usuarios deben entender cómo se utilizan sus datos y cómo se generan las recomendaciones o intervenciones.

4. Colaboración Interdisciplinaria: Fomenta la colaboración entre expertos en salud mental, científicos de datos, investigadores y profesionales de la salud para garantizar que las soluciones de inteligencia artificial se desarrollen de manera integral y consideren todas las perspectivas relevantes.

5. Personalización: Reconoce la diversidad de las experiencias individuales en la salud mental y busca ofrecer soluciones personalizadas que se adapten a las necesidades y circunstancias únicas de cada usuario.

6. Monitoreo Continuo: Realiza un monitoreo continuo de las aplicaciones de inteligencia artificial en la salud mental para evaluar su efectividad, identificar posibles sesgos o problemas éticos, y realizar ajustes según sea necesario.

7. Apoyo Humano: Reconoce que la inteligencia artificial puede complementar, pero no reemplazar, la atención y el apoyo humano en la salud mental. Es importante ofrecer opciones para la intervención humana cuando sea necesario y mantener una conexión humana en el proceso de atención.

Al seguir estas recomendaciones, se puede maximizar el beneficio y minimizar los riesgos al utilizar inteligencia artificial en la salud mental, permitiendo así ofrecer mejores servicios y apoyo a las personas que lo necesitan.

Reflexión Final:

La información que tenemos ahora sobre la inteligencia artificial en salud mental específicamente ansiedad y depresión es incipiente, es importante seguir sumando esfuerzos en todos los países para que presten más atención a la salud mental y juntos de manera multidisciplinaria, podamos abordar estos temas futuros con criterio y profesionalismo en pro de nuestros pacientes.

Bibliografía:

  1. Instituto de Sanimetría y Evaluación Sanitaria. Global Health Data Exchange (GHDx).  http://ghdx.healthdata.org/gbd-results-tool?params=gbd-api-2019-permalink/d780dffbe8a381b25e1416884959e88b (consultado el 1 de mayo de 2021).
  2. Lopez R.(2019) ¿Qué sabemos de? Inteligencia artificial, Editorial Catarata.
  3. Evans-Lacko S, Aguilar-Gaxiola S, Al-Hamzawi A, et al. Socio-economic variations in the mental health treatment gap for people with anxiety, mood, and substance use disorders: results from the WHO World Mental Health (WMH) surveys. Psychol Med. 2018;48(9):1560-1571.
  4. https://www.who.int/es Organización Mundial de la Salud (OMS)
  5. AMERICAN PSYCHIATRIC ASSOCIATION, (2013)- DSM-5 Hero Diagnostic and Statistical Manual of Mental Disorders (DSM–5). Washington, DC. American Psychiatric Association
  6. BECK, AT, RUSH, AJ, SHAW, BF Y EMERY, G. (2012). Terapia cognitiva de la depresión. Editorial Desclée de Brouwer, S.A. 20a Edición.
  7. BECKHAM, E.E., LEBER, W.R., WATKINS, J.T., BOYER, J.L. Y COOK, J.B. (1986). Development of an instrument to measure Beck’s cognitive triad: the Cognitive Triad Inventory. Journal of Consulting and Clinical Psychology, 54(4), 566-567.
  8. Hesselgrave, N., Troppoli, T. A., Wulff, A. B., Cole, A. B. & Thompson, S. M. Har- nessing psilocybin: antidepressant-like behavioral and synaptic actions of psi- locybin are independent of 5-HT2R activation in mice. Proc. Natl Acad. Sci.USA 118, e2022489118 (2021).
  9. Cao, D. et al. Structure-based discovery of nonhallucinogenic psychedelic ana- logs. Science 375, 403–411 (2022).
  10. Shao, L. X. et al. Psilocybin induces rapid and persistent growth of dendritic spines in frontal cortex in vivo. Neuron 109, 2535–2544 e2534 (2021).
  11. Andrade L, Walters EE, Gentil V, Laurenti R. (2002). Prevalence of ICD-10 mental disorders in a catchment area in the city of São Paulo, Brazil. Social Psychiatry and Psychiatric Epidemiology; 37 (7): 316-325.
  1. García Copín B, Briongos Rica E, Leal Rubio J, Lamata Cotanda F, González Zapico NA, Campos del Palacio T. La situación de la salud mental en España: 2023 [Internet]. Madrid: Confederación Salud Mental España y Fundación Mutua Madrileña; 2023; 169 [consultado 28 Julio 2023] Disponible en: https://consaludmental.org/centro- documentacion/estudio-situacion-salud-mental/.
  2. A conceptual framework for action on the social determinants of health. In: Organización Mundial de la Salud, editor. OMS.#,59]; 2010;76. (Discussion paper series on social determinants of health, 2).
  3. Ruiz Álvarez M, Aginagalde Llorente AH, Del Llano Señarís JE. Los determinantes sociales de la salud en España (2010-2021): una revisión exploratoria de la literatura. Rev Esp Salud Publica. 2022;96 e202205041.

Psic. Ángel Reverol

Licdo. en Psicología egresado de México, Máster en Psicología Clínica y de la Salud Universidad ISEP México, Máster en Terapia Cognitiva Conductual, Universidad ISEP Barcelona España.

Info@angelreverol.com

Dr. Eduardo Villalobos

Médico Cirujano y Especialista en Psiquiatría de la Universidad del Zulia (LUZ)

dr.villalobospsiquiatra@gmail.com

Leave a Reply

Your email address will not be published. Required fields are marked *