Después de una depresión, sentirse mejor puede convivir con una pregunta incómoda: «¿Y si me vuelve a pasar?». Es comprensible querer una respuesta precisa. Una prueba, una imagen del cerebro o un algoritmo que ayude a saber qué ocurrirá. La investigación busca acercarse a esa posibilidad, pero entre detectar patrones en un estudio y orientar la vida de una persona todavía hay una distancia importante.

Un trabajo reciente de JAMA Psychiatry permite examinar esa distancia. Su interés está en una pregunta concreta: al intentar predecir una recaída en depresión, ¿añadir muchas clases de datos aporta una ventaja real? El resultado invita a mirar con atención tanto la tecnología como la información que ya recogemos en la práctica clínica.

Qué estudió el equipo y qué encontró

Teutenberg y colaboradores analizaron a 564 personas con depresión mayor actual o previa, reclutadas en Marburgo y Münster, Alemania. En aproximadamente dos años, 270 presentaron una recaída y 294 no. Compararon modelos de aprendizaje automático con nueve modalidades: datos clínicos y psicométricos, cuatro modalidades de resonancia estructural y funcional, genética, neurocognición, marcadores sanguíneos y microbioma intestinal.

La exactitud equilibrada media de los modelos osciló entre el 47,21 % y el 64,43 %. El mejor se apoyó en pocas variables clínicas; integrar las demás modalidades no mejoró el rendimiento. Los autores consideran limitada su utilidad para decisiones individuales. Las medidas iniciales se recogieron en un momento basal, no como un seguimiento biológico continuo. Resumen original de JAMA Psychiatry.

Esta lectura se basa en el resumen público y los puntos clave del artículo. Sin acceso al texto completo y sus suplementos, no detallaré qué variables concretas seleccionó el modelo ni presentaré una auditoría de su validación.

El 64,43 % no es tu probabilidad de recaer

Una cifra puede ser correcta y, aun así, interpretarse mal. Si alguien lee «64,43 %» al lado de «recaída», puede pensar que describe su riesgo personal. Ese no es el significado de la medida utilizada.

La exactitud equilibrada es el promedio entre la capacidad de identificar a quienes presentan el desenlace y la capacidad de reconocer a quienes no lo presentan. Así se concede el mismo peso a ambos grupos, aunque sus tamaños sean distintos. Es una medida del rendimiento de una clasificación, no una probabilidad individual. La documentación técnica de scikit-learn explica esta distinción.

Podemos verlo con un ejemplo inventado, independiente del estudio. Si un modelo identifica correctamente al 70 % de quienes recaen y al 60 % de quienes no recaen, su exactitud equilibrada sería del 65 %. Con esos datos no sabemos qué probabilidad corresponde a una persona concreta ni cómo está distribuido el error. Tampoco podemos deducir cuántos avisos positivos serían falsas alarmas sin conocer más información.

Para tomar decisiones importa, además, qué consecuencias tendría equivocarse. Un aviso que genera preocupación innecesaria y una predicción tranquilizadora que pasa por alto una necesidad de atención plantean problemas distintos. Una única cifra resume parte del rendimiento, pero deja fuera cuestiones relevantes para la consulta.

Más información necesita demostrar que añade valor

La expresión «muchos datos» puede despertar una expectativa casi automática: si sabemos más cosas, deberíamos predecir mejor. Para que esa expectativa se cumpla, la información añadida tiene que ser pertinente, medirse con suficiente calidad y aportar algo que el resto de las variables no haya recogido ya.

Una analogía útil es la de un mapa. Añadir capas puede ayudar a orientarse, siempre que esas capas respondan a la pregunta que estamos intentando resolver. Si queremos conocer cómo llegará una persona a una cita, disponer de una imagen muy detallada de una calle no informa, por sí solo, de si habrá cambiado de planes esa mañana.

En un modelo pronóstico, cada incorporación necesita justificar su aportación. También hay que considerar el tiempo, el coste, la disponibilidad y la carga que supone obtener esos datos. Antes de llevar una herramienta a la práctica, interesa saber si mejora una decisión relevante y si ese beneficio se mantiene en las personas a las que se va a aplicar.

El hallazgo de este trabajo no permite concluir que las pruebas biológicas sean inútiles o que la depresión carezca de dimensión biológica. Su pregunta era mucho más específica: qué añadían esas medidas a esa tarea predictiva, con ese diseño. Extrapolar el resultado a toda la investigación sobre depresión sería dar un salto que los datos no sostienen.

Predicción de recaída a dos años: mejor modelo basado en pocas variables clínicas y límite para decisiones individuales.
El rendimiento de un modelo no equivale al riesgo personal ni determina un tratamiento.

Un resultado negativo también puede orientar la investigación

La investigación necesita saber cuándo una propuesta no obtiene la ventaja esperada. Publicar ese resultado ayuda a ajustar expectativas y a formular mejor la siguiente pregunta. También permite que el entusiasmo por una técnica conviva con la exigencia de comprobar su utilidad.

Hay una diferencia entre encontrar una relación a nivel de grupo y anticipar suficientemente bien lo que le ocurrirá a alguien. Y hay otra entre anticiparlo y demostrar que utilizar esa predicción mejora la atención. Son preguntas conectadas que requieren pruebas diferentes.

Por ejemplo, una herramienta podría clasificar mejor que otra y seguir sin ofrecer una ventaja clara para decidir cuánto seguimiento necesita una persona. Para valorar su utilidad clínica habría que estudiar cómo se integra con la evaluación, qué cambia en las decisiones y qué beneficios o perjuicios produce. El resultado estadístico sería una parte de esa evaluación.

Esta es una razón para evitar titulares que prometan «la prueba que sabe si volverás a deprimirte». La promesa comprime demasiadas incertidumbres en una frase. Un titular puede despertar interés y seguir respetando lo que realmente se ha investigado.

Qué conviene mirar antes de trasladar un modelo a la consulta

La prudencia metodológica no consiste en descartar el trabajo porque todavía tenga límites. Consiste en situar qué pregunta responde y cuál queda abierta.

En este caso, la procedencia de dos centros exige cautela al extender los resultados a servicios y poblaciones diferentes. Contar con dos lugares de reclutamiento no demuestra por sí solo validación externa independiente. Para describir con precisión las estrategias de validación, los datos ausentes o la definición operativa de recaída habría que revisar el artículo completo y sus suplementos.

También conviene preguntar si la información conserva su utilidad cuando cambia el contexto. Una predicción basada en una evaluación inicial tiene que convivir después con tratamientos, situaciones vitales y necesidades que pueden evolucionar. Esa dificultad no se resuelve acumulando variables sin comprobar qué aportan.

La conclusión práctica es limitada y clara: este resultado no ofrece una herramienta suficiente para decidir, por sí sola, mantener, intensificar o retirar un tratamiento. Tampoco permite calcular el riesgo personal de quien está leyendo este artículo.

Qué sigue siendo útil para prevenir una recaída en depresión

La ausencia de un pronóstico tecnológico preciso deja espacio para una atención planificada. La guía NICE NG222 propone valorar el riesgo de recaída y acordar con la persona cómo continuar la atención. Entre las cuestiones relevantes están la historia de episodios, los síntomas residuales y las dificultades personales o sociales que persisten.

En el trabajo psicológico, puede revisarse qué ayudó durante la recuperación, qué señales precedieron al empeoramiento y cómo actuar si reaparecen. Esas señales pueden incluir cambios en el sueño, evitación o rumiación; conviene identificarlas en cada historia, sin convertir una mala noche en un diagnóstico. La continuidad del tratamiento se decide de forma compartida y según la situación clínica.

Si tomas antidepresivos y quieres dejarlos, habla con el profesional que los prescribe. La retirada requiere planificación. Este estudio no es un motivo para suspenderlos ni para modificar una pauta por tu cuenta.

Una conversación que puedes preparar con tu profesional

El miedo a recaer puede invitar a buscar garantías. En una consulta puede ser más útil convertir esa preocupación en preguntas que permitan organizar el cuidado:

  • ¿Qué cambios fueron importantes antes de que me encontrara peor y cuáles conviene vigilar ahora?
  • ¿Qué me ayudó a mejorar y qué necesito mantener?
  • ¿Con quién debo contactar si noto un empeoramiento sostenido o vuelvo a tener dificultades para funcionar?
  • ¿Cómo y cuándo revisaremos el plan de tratamiento?

Estas preguntas no forman un test de riesgo ni una pauta universal. Sirven para preparar una conversación y dejar acuerdos concretos: a quién llamar, cuándo revisar y qué apoyos están disponibles. Si ya existe un plan con tu equipo, úsalo como referencia.

El conocimiento de una persona se construye también con lo que ocurre entre las evaluaciones. Escuchar cambios, revisar dificultades y ajustar los cuidados forma parte del seguimiento. La tecnología que llegue a ayudar tendrá que demostrar su aportación a ese trabajo.

Preguntas frecuentes

¿Este estudio demuestra que las pruebas biológicas no sirven en depresión?

Su resultado se refiere a una tarea pronóstica concreta. No permite descalificar todas las pruebas, todas las aplicaciones de IA ni la investigación biológica en salud mental. Cada uso necesita su propia evaluación.

¿Un modelo clínico puede decirme si voy a recaer?

El modelo descrito no ofrece una predicción suficientemente útil para decidir el tratamiento individual. La evaluación profesional tampoco promete certeza; ayuda a acordar cuidados y revisar cómo evoluciona la situación.

¿Debo hacer algo distinto con mi tratamiento después de leerlo?

Mantén el plan acordado y plantea tus dudas al equipo que te atiende. Si notas un empeoramiento, solicita una revisión. El artículo informa sobre investigación y no sustituye una valoración personal.

Referencias

Depresión y predicción de recaída.

Dr. Ricardo Bravo de Medina Hernández
Psicólogo Especialista en Psicología Clínica

Logotipo original de Bravo de Medina