· La inteligencia artificial puede ayudar a identificar a los pacientes de urgencias con riesgo de trastorno de estrés postraumático
· La IA analiza las grabaciones en las que los pacientes cuentan cómo acabaron en urgencias
· En las pruebas, la IA superó a un médico de urgencias especializado en el trastorno de estrés postraumático
MARTES, 10 de noviembre de 2026 (HealthDay News) — El trastorno de estrés postraumático (TEPT) es habitual entre quienes acuden a urgencias tras sufrir un accidente para que les traten fracturas y les suturen heridas.
No obstante, a los médicos, que suelen trabajar con el tiempo justo, les resulta difícil determinar qué pacientes necesitarán apoyo psicológico una vez tratadas sus lesiones físicas.
Los chatbots de IA entrenados para analizar los relatos de los pacientes en relación a sus accidentes pueden servir para detectar casos de TEPT y facilitar que reciban la ayuda necesaria, segúnescribieron los investigadores el 9 de noviembre en la revista Nature Communications.
Un nuevo sistema de IA llamado PREVIA superó a un médico de urgencias especializado en TEPT en la identificación de los pacientes en riesgo, según los investigadores.
PREVIA identificó el 100% de los futuros casos de TEPT entre un grupo de 145 pacientes de urgencias, mientras que el médico detectó solo el 89%, según los resultados.
«Este es el primer estudio que demuestra que las respuestas espontáneas de un paciente a una sola pregunta habitual durante la atención médica —“¿Qué le trae a urgencias?”— contienen suficientes indicios psicológicos como para predecir su riesgo de TEPT 1 mes después», afirmó la investigadora principal Katharina Schultebraucks.
«PREVIA puede utilizarse como una herramienta de detección mediante IA que identifica a los pacientes en riesgo y explica por qué, sin añadir tiempo al proceso de admisión en servicios de urgencias muy concurridos», explicó Schultebraucks en un comunicado. Es profesora asociada de psiquiatría y salud de la población en NYU Langone Health, en Nueva York.
Más de una cuarta parte de los 43 millones de personas que ingresan en urgencias con lesiones físicas acaban desarrollando TEPT un mes después de sufrir el episodio traumático, señalaron los investigadores como información de contexto.
Por eso, urgencias es el lugar indicado para detectar estos casos, aunque es poco habitual que los pacientes sigan en contacto con el hospital un mes después, explicaron.
Aunque se han creado cuestionarios breves que permiten predecir el TEPT, solo alrededor de una cuarta parte (28%) de los servicios de urgencias realizan pruebas de detección de forma habitual, según los investigadores. Además, apenas dos tercios de esos servicios utilizan alguno de los cuestionarios de eficacia demostrada.
Para el nuevo estudio, los investigadores desarrollaron un sistema de chatbots de IA capaz de analizar la descripción que hace una persona de lo ocurrido e identificar patrones que indiquen el riesgo de TEPT.
«El departamento de urgencias suele ser el único contacto que tiene una persona que ha sufrido un trauma con el sistema de salud antes de que los síntomas sean mucho más difíciles de tratar», dijo Schultebraucks. «Al identificar a los pacientes en riesgo desde ese primer encuentro, PREVIA podría dar una oportunidad para brindar atención a tiempo, cuando la intervención preventiva es más eficaz».
En su artículo, los investigadores incluyeron el ejemplo del relato de una paciente que el sistema PREVIA podría evaluar.
«Iba camino al trabajo cuando tuve un accidente en bicicleta», relató una mujer ficticia de 29 años atropellada por un automóvil. «Todo ocurrió muy rápido y choqué directamente contra él. Después, todo es un poco borroso. Recuerdo que había mucha sangre».
El relato continuaba: «Ahora estoy aquí y me acabo de enterar de que la lesión es peor de lo que pensaba al principio. Así que eso… no es precisamente ideal. Si pudiera elegir, probablemente preferiría casi cualquier otra lesión antes que esta. Pero aquí estamos».
El sistema analiza el relato del paciente en varias etapas para detectar indicios tales como pérdida de control, amnesia o sensación de desconexión del propio cuerpo. Después evalúa factores de riesgo de sus antecedentes personales o médicos y resume sus conclusiones para que las revise un médico.
En este ejemplo, PREVIA consideró que la mujer corría riesgo de TEPT por la manera en que describía su accidente.
Para poner a prueba el modelo, los investigadores le hicieron analizar los relatos de 145 pacientes reales atendidos en servicios de urgencias de Nueva York entre marzo de 2023 y julio de 2025.
Los pacientes fueron grabados en video con un iPad mientras respondían a una única petición: «Cuénteme qué ocurrió para que tuviera que venir a urgencias». Disponían de tres minutos para contar su experiencia.
PREVIA identificó correctamente a más del 95% de los pacientes con riesgo de TEPT y a todos los que después recibieron ese diagnóstico. Un médico identificó correctamente al 89% de ese grupo de 30 pacientes diagnosticados.
El sistema está diseñado para explicar sus conclusiones y fundamentar sus predicciones en factores de riesgo conocidos del TEPT, señalaron los investigadores.
«Desarrollamos PREVIA a partir de modelos de código abierto, sin necesidad de entrenamiento ni ajustes adicionales», explicó Schultebraucks. «Eso significa que otros hospitales pueden probarlo de manera independiente, sin acceso a programas informáticos propietarios ni a los datos de nuestros pacientes, algo esencial para su adopción generalizada».
El código de acceso abierto de PREVIA está disponible en GitHub.
Más información
Consulte la información de la American Psychiatric Association sobre el TEPT.
FUENTES: NYU Langone Health, comunicado de prensa, 9 de noviembre de 2026; Nature Communications, 9 de noviembre de 2026
Si ha recibido atención en urgencias por alguna lesión, debe saber de que podría desarrollar un trastorno de estrés postraumático.
