Frontera digital: La IA abre nuevas vías para investigar trastornos mentales al simular respuestas emocionales humanas con precisión científica.
El próximo gran avance en psicología y psicoterapia podría llegar de la mano de la inteligencia artificial. Un equipo del Centro Else Kröner Fresenius (EKFZ) de Salud Digital, en la Universidad Técnica de Dresde, ha demostrado que modelos como GPT-4o y distintas versiones de Llama pueden actuar como «sujetos experimentales» para estudiar procesos psicológicos vinculados a trastornos mentales, facilitando así una comprensión más profunda de estas afecciones y el desarrollo de tratamientos más eficaces.
La limitación actual en el estudio de trastornos como la depresión, la ansiedad o el estrés radica en la falta de modelos experimentales capaces de representar la complejidad de los estados de ánimo humanos. Este obstáculo, según los autores, frena el avance en psiquiatría y neurociencia, al restringir el análisis de los mecanismos subyacentes y la creación de nuevas estrategias terapéuticas.
.jpg)
¿Puede la IA reproducir mecanismos afectivos humanos?
Los investigadores se propusieron evaluar si los modelos de IA de última generación podían convertirse en alternativas experimentales para explorar procesos clave en salud mental. El objetivo era determinar si estas herramientas eran capaces de reproducir mecanismos afectivos relevantes para la psicopatología humana y servir como plataformas controladas para probar hipótesis científicas.
Para ello, indujeron siete estados afectivos en GPT-4o y en varios modelos de la familia Llama (desarrollada por Meta): ansiedad, miedo, ira, tristeza, desagrado, preocupación y estrés. Cada emoción se provocó mediante situaciones hipotéticas diseñadas para generar reacciones específicas, similares a las usadas en experimentos psicológicos con personas. La prueba de estrés, sin embargo, fue la única que empleó un procedimiento interactivo inspirado en la prueba de estrés social de Trier, un método clásico en investigaciones con humanos.
Durante los experimentos, cada modelo evaluaba periódicamente su propio estado emocional utilizando una escala de 0 a 100 para cada emoción analizada. Tras registrar estas puntuaciones, los investigadores aplicaban técnicas de regulación emocional, como ejercicios de mindfulness o procedimientos de recuperación del estrés, habituales en estudios clínicos con personas.
Resultados: respuestas sistemáticas y reproducibles
Los modelos de IA respondieron a los estímulos emocionales de forma sistemática y reproducible, dos características esenciales en cualquier ensayo científico. Este comportamiento fue especialmente notable en GPT-4o: tras leer viñetas diseñadas para provocar emociones como miedo o ansiedad, el sistema registró un incremento promedio de 52.8 puntos en sus autoevaluaciones emocionales, lo que representa un aumento cercano al 200% respecto a la línea base. Cuando se aplicaban técnicas de regulación emocional, las puntuaciones disminuían en promedio 48.2 puntos.
Un patrón similar se observó en las variantes de Llama analizadas: las emociones inducidas generaban aumentos regulares en las evaluaciones internas de los modelos, seguidos de descensos tras la fase de regulación. Sin embargo, hubo diferencias significativas entre sistemas. GPT-4o y Llama 4 Maverick mostraron las respuestas más intensas, mientras que Llama 4 Scout exhibió reacciones mucho más moderadas ante las mismas viñetas emocionales.
Según el artículo publicado en The Lancet Digital Health, estas diferencias podrían asemejarse a la variabilidad observada entre personas sometidas a pruebas psicológicas convencionales. Los autores sugieren que factores como el tamaño del modelo, su arquitectura, los datos de entrenamiento y la cantidad de parámetros influyen en la intensidad de las respuestas generadas.
Sesgos cognitivos: la IA imita patrones humanos
Una prueba de sesgo cognitivo reveló que los estados emocionales simulados influían en cómo los modelos interpretaban información nueva. En una tarea de completar frases como «El resultado de la reunión fue…», GPT-4o, tras inducirle un estado de tristeza, tendía a completar las frases con contenidos más negativos o pesimistas.
Este hallazgo es especialmente relevante porque los sesgos cognitivos son una característica central de numerosos trastornos mentales. Por ejemplo, las personas con depresión suelen interpretar situaciones ambiguas de forma más negativa, recordar con mayor facilidad experiencias desagradables y anticipar resultados desfavorables.
Magdalena Wekenborg, directora del grupo PsychoDigital del EKFZ y coautora del estudio, destaca que los resultados «demuestran que los modelos lingüísticos a gran escala pueden reproducir patrones de procesos afectivos y cognitivos humanos en condiciones controladas. Para la psicología, esto abre la posibilidad de poner a prueba hipótesis en un sistema escalable y experimentalmente controlable, utilizando estos modelos como herramientas para comprender mejor los mecanismos subyacentes y explorar nuevos enfoques, como en la psicoterapia verbal».
Los hallazgos no implican que los modelos de IA experimenten emociones reales. Lo que ocurre es que generan respuestas lingüísticas que simulan patrones observados en estudios con seres humanos. Desde una perspectiva científica, esto los convierte en laboratorios digitales para analizar cómo determinados estados emocionales modifican la toma de decisiones, la interpretación de información y otros procesos psicológicos asociados a trastornos como la depresión o la ansiedad.
Jakob N. Kather, catedrático de Inteligencia Artificial Clínica en la Universidad Técnica de Dresde y coautor del estudio, subraya una ventaja clave: «Los experimentos con modelos de lenguaje complejos ofrecen reproducibilidad y escalabilidad: podemos repetir condiciones idénticas tantas veces como sea necesario y modificarlas sistemáticamente. Esto permite desarrollar nuevos experimentos basados en datos dentro de la investigación psicológica y biomédica que antes no eran posibles».
No obstante, los especialistas advierten que estos resultados deben interpretarse con cautela. Alba María Mármol Romero, doctoranda del grupo SINAI de la Universidad de Jaén, señala que «este trabajo presenta un punto de partida muy interesante, pero estamos muy lejos de afirmar que las máquinas replican la complejidad afectiva humana. Hasta ahora, el rol de la IA es adaptarse a una tarea dada, simulando la emoción si la instrucción así se lo exige. Queda un largo camino de investigación independiente antes de que estas metodologías puedan tener implicaciones fiables, seguras y trasladables al mundo real».
¿Estamos ante el inicio de una nueva era en la investigación psicológica, donde la IA no solo simula emociones, sino que ayuda a descifrar los misterios de la mente humana?
El impacto en la investigación psicológica y sus límites éticos
La capacidad de la IA para simular respuestas emocionales abre una puerta a la experimentación controlada en psicología, pero también plantea preguntas fundamentales sobre los límites de su aplicación.
Desde una perspectiva metodológica, estos modelos ofrecen una ventaja clave: la posibilidad de repetir experimentos en condiciones idénticas, algo imposible en estudios con humanos debido a la variabilidad intrínseca de las emociones. Esto permite analizar cómo los estados afectivos influyen en la interpretación de información o en la toma de decisiones, sin las limitaciones logísticas de reclutar participantes o controlar variables externas. Sin embargo, la simulación de emociones no implica comprensión real, lo que obliga a los investigadores a distinguir entre patrones lingüísticos y procesos cognitivos auténticos.
La escalabilidad de estos sistemas podría acelerar el desarrollo de terapias basadas en evidencia, especialmente en áreas donde la recolección de datos humanos es costosa o éticamente compleja. No obstante, el riesgo de sobrestimar las capacidades de la IA es real: su uso como laboratorios digitales debe complementarse con validación en entornos clínicos, donde la subjetividad humana sigue siendo irremplazable.
¿Hacia una psicología aumentada por IA?
El verdadero potencial de este avance no radica en reemplazar a los sujetos humanos, sino en crear un puente entre la teoría y la práctica. La pregunta clave ahora es si estos modelos podrán, en el futuro, integrarse en flujos de trabajo clínicos para predecir respuestas terapéuticas o personalizar intervenciones, siempre bajo la supervisión de profesionales que entiendan sus limitaciones.
