Resumen:Las soluciones estáticas no sirven a una mente dinámica. Por lo tanto, abogamos por un cambio de evaluaciones estáticas de diagnóstico de salud mental a evaluaciones continuas impulsadas por inteligencia artificial (IA). Centrándonos en el trastorno por déficit de atención con hiperactividad (TDAH) como estudio de caso, exploramos cómo la IA generativa tiene el potencial de abordar las limitaciones de capacidad actuales en neuropsicología, permitiendo potencialmente vías de atención más personalizadas y longitudinales. En particular, la IA puede realizar de manera eficiente muestreos frecuentes y de bajo nivel de experiencias de los pacientes y facilitar la conciliación del diagnóstico entre las vías de atención. Imaginamos un futuro en el que la atención de salud mental se beneficie de un muestreo de datos continuo, rico y centrado en el paciente para adaptarse dinámicamente a las necesidades individuales de los pacientes y a las condiciones en evolución, mejorando así tanto la accesibilidad como la eficacia del tratamiento. Además, proponemos el uso de gemelos digitales de salud mental (MHDT), modelos computacionales continuamente actualizados que capturan la dinámica y las trayectorias de los síntomas individuales, como un marco transformador para la atención personalizada de la salud mental. Basamos este marco en evidencia empírica y trazamos la agenda de investigación necesaria para perfeccionarlo y ponerlo en práctica.
Publicado originalmente en export.arxiv.org el 9 de octubre de 2025.
Ver fuente original
