¿Deberíamos integrar la IA en la salud mental infantil? Un ensayo clínico aleatorizado (ECAen Dartmouth), publicado recientemente por la Universidad de Dartmouth, evaluó la eficacia de un chatbot terapéutico impulsado por inteligencia artificial generativa en el tratamiento del trastorno depresivo mayor, el trastorno de ansiedad generalizada y los trastornos de la conducta alimentaria, en personas adultas.
No soy profesional de la salud mental. Tampoco soy ingeniera. Pero como emprendedora de largo recorrido en distintos sectores estratégicos, reconozco tanto las oportunidades con propósito que surgen en la intersección entre la tecnología y campos especializados como la salud mental, como también las señales de alerta que no deben pasarse por alto. En este caso, la misión consiste en formar más terapeutas infantiles mediante programas de capacitación de excelencia, y la oportunidad está en escalar esa formación a través de herramientas tecnológicas, incluida la inteligencia artificial.
Hace siete años, una afortunada coincidencia me condujo a asumir la dirección ejecutiva de una organización internacional dedicada a la formación en salud mental basada en la evidencia, fundada por la creadora del modelo de Terapia Dialéctica Conductual (DBT). Esa experiencia marcó el inicio de un nuevo camino que me llevó, tiempo después, a cofundar un centro de formación clínica en salud mental (CTC) junto a la Dra. Francheska Perepletchikova, desarrolladora del modelo DBT para niños (DBT-C). En pocas palabras, la DBT es un conjunto de estrategias y herramientas que ayudan a las personas a salir de estados de desregulación emocional extrema, ideación suicida o conductas autolesivas, comenzando por aceptar que pueden coexistir dos verdades opuestas. Esa es la base de la dialéctica. Por ejemplo, una persona puede querer acabar con su vida y, al mismo tiempo, desear intensamente vivir.
El modelo estándar de DBT fue concebido para su aplicación con personas adultas. El entrenamiento incluye dos semanas de formación teórica, divididas en dos partes, con seis meses de práctica clínica y consultas supervisadas entre ambas. Las terapeutas también asumen un compromiso a largo plazo al integrarse en equipos clínicos DBT, donde reciben apoyo mutuo en su trabajo con pacientes. Convertirse en terapeuta DBT implica un nivel de dedicación que refleja el acompañamiento profundo que se brinda a quienes atraviesan momentos críticos. Además de fomentar la conciencia emocional y el reconocimiento de los factores que la activan, las terapeutas enseñan a regular emociones intensas mediante habilidades como la tolerancia al malestar o la acción opuesta. Esta introducción apenas roza la superficie de la DBT. Para una comprensión más profunda, existen miles de estudios clínicos que documentan su eficacia.
El estudio de Dartmouth (publicados el 27 de marzo en NEJM AI) se convirtió en tema de conversación al presentar los resultados del primer ensayo clínico con un chatbot terapéutico impulsado por IA generativa. El software mostró mejoras significativas en los síntomas de los participantes, y muchos informaron haber podido confiar y comunicarse con el sistema, llamado Therabot, en un nivel comparable al de trabajar con un profesional humano. Pero aquí aparece una señal de alerta. “No esperábamos que las personas trataran al software casi como a un amigo”, señala Jacobson. “Eso me indica que estaban formando un vínculo con Therabot. También creo que se sentían cómodos hablando con un bot porque sabían que no los juzgaría”. (Nota aparte: abordaremos la adicción a los chatbots en una próxima entrega). Jacobson agrega: “Este ensayo dejó claro que el equipo de investigación debe estar preparado para intervenir, incluso de inmediato, si un paciente expresa pensamientos suicidas o si el software responde de una manera que no se ajusta a las buenas prácticas. Afortunadamente, eso no ocurrió con frecuencia en el caso de Therabot, pero ese riesgo siempre está presente con la IA generativa, y nuestro equipo estaba listo”. ¿Siempre hay un riesgo? Esta afirmación recuerda inevitablemente a la metáfora —y a la dialéctica— del modo de conducción autónoma supervisada de Tesla (Full Self-Driving (FSD). En el contexto de la salud mental, no hay lugar para errores algorítmicos o sesgos que amplifiquen pensamientos suicidas o generen aislamiento donde antes no lo había. Estamos hablando de personas en situación de alta vulnerabilidad.
Entonces, ¿qué tiene que ver el ECA de Dartmouth con los niños? A fin de cuentas, el estudio se realizó con personas adultas. Pero el paralelismo es inevitable. Así como la DBT fue diseñada originalmente para adultos, los chatbots también lo son. Esto abre la puerta a otra conversación pendiente: los chatbots que, aunque se diseñan para adultos, terminan siendo utilizados por adolescentes y personas jóvenes. Ni el modelo estándar de DBT ni las aplicaciones terapéuticas centradas en adultos pueden aplicarse a niñas, niños o adolescentes sin una adaptación cuidadosa a sus niveles de desarrollo emocional y cognitivo. ¿Por qué? Volvamos a la esencia de la DBT: los terapeutas trabajan con personas adultas ayudándolas a regular emociones desencadenadas por factores externos. Esto supone que esas personas pueden elegir su entorno. Pero ¿qué sucede si eres una niña o un niño con desregulación emocional severa, conductas autolesivas o ideación suicida? (Y sí, la infancia también enfrenta estos riesgos). No puedes elegir tu entorno. Tus figuras cuidadoras —usualmente tus padres, aunque no siempre— determinan esa realidad. De hecho, muchas veces ese entorno es la fuente de la desregulación.
Imaginemos a padre que lleva a su hijo a psicoterapia. El profesional trabaja con el niño en estrategias cognitivas, pero al volver al mismo entorno disfuncional, el progreso terapéutico queda anulado. Aquí es donde entra en juego el modelo DBT-C creado por la Dra. Perepletchikova. Su enfoque prioriza el trabajo con los cuidadores, enseñándoles a crear un entorno listo para el cambio, formándolos como terapeutas de sus propios hijos. Esto requiere que primero aprendan a regular sus propias emociones y luego enseñen habilidades de regulación emocional a través del modelado y la práctica anticipada (coping ahead). Según ella, trabajar directamente con el niño o la niña es, en muchos casos, un lujo.
Ser seres humanos, en esencia, es una experiencia de conexión. Y para una niña o un niño, la más significativa es la que se establece con sus figuras de cuidado. Ninguna aplicación puede replicar la intimidad y la resonancia emocional de ese vínculo. En la infancia, las cuidadoras y cuidadores son las herramientas primarias del cambio cognitivo. Y eso merece celebrarse.
Desde otra perspectiva, una de las herramientas fundamentales para el cambio conductual es la validación. Validar no es consentir ni justificar, sino reconocer que lo que alguien siente tiene sentido dentro de su contexto. La validación auténtica por parte de un terapeuta permite construir confianza, la base de cualquier relación terapéutica significativa. Un bot puede imitar empatía, pero al final sigue siendo una máquina algorítmica. Y por ahora, no puede replicar la sabiduría que proviene de integrar la emoción con la razón —lo que en DBT se llama “Mente Sabia”— ni guiar a alguien a activar la suya.
Quizás a esta altura pienses que tengo una postura contraria a la IA en salud mental. Nada más lejos. Creo que la IA tiene un lugar valioso. Simplemente, ese lugar no es el de sustituir el lugar del terapeuta. Puede ser un recurso complementario, especialmente cuando se establezcan garantías más sólidas. Pero este ensayo clínico ha dejado claro que aún no hemos llegado a ese punto.
Por ahora, seguimos apostando a la formación clínica inmersiva potenciada por IA, y a la psicoeducación dirigida a cuidadores, que fortalece la conexión humana como base esencial para la regulación emocional. De hecho, creemos que invertir tiempo, talento y recursos en soluciones basadas en IA que aborden las causas estructurales de la escasez de terapeutas humanos en el mundo, resulta mucho más valioso que desarrollar “terapeutas sintéticos” que solo alcanzan a tratar los síntomas.
Y así, se abre una tercera intersección: el campo del aprendizaje y desarrollo (Learning & Development, L&D). Seguiremos explorando estos vínculos en futuras entregas.
Traducción: Fréderic Larbanois