Una revisión exhaustiva traza el camino hacia un diagnóstico psiquiátrico fundamentado en la biología

CAMBRIDGE, Cambridgeshire, REINO UNIDO, 10 de marzo de 2026 — Hay preguntas que la medicina lleva décadas evadiendo, no por falta de inteligencia sino por exceso de costumbre. Una revisión exhaustiva por invitación, publicada hoy en Brain Medicine, confronta uno de los más persistentes de esos silencios: la psiquiatría sigue siendo la única disciplina clínica de envergadura que diagnostica enfermedades complejas principalmente a través de la conversación y listas de síntomas, mientras que campos como la oncología y la cardiología adoptaron hace mucho tiempo los marcadores de laboratorio, las imágenes diagnósticas y el perfilado molecular. La revisión, obra del Dr. Jakub Tomasik, Jihan K. Zaki y la profesora Sabine Bahn del Cambridge Centre for Neuropsychiatric Research de la Universidad de Cambridge, sintetiza la investigación emergente en marcos conceptuales, ciencia de biomarcadores, fenotipado digital e inteligencia artificial para trazar una ruta traslacional hacia un enfoque diagnóstico más fundamentado en la biología y más útil en la clínica.

Por qué el sistema actual se queda corto

La pregunta parece casi demasiado sencilla. Si un cardiólogo puede medir los niveles de troponina y un oncólogo puede secuenciar un tumor, ¿por qué un psiquiatra sigue dependiendo de preguntar si un paciente se ha sentido triste durante dos semanas? La respuesta, según los autores de la revisión, reside en la naturaleza misma de los sistemas diagnósticos actuales. El Manual Diagnóstico y Estadístico de los Trastornos Mentales y la Clasificación Internacional de Enfermedades han servido a la psiquiatría al estandarizar el lenguaje clínico y mejorar la fiabilidad diagnóstica. Pero estos marcos fueron moldeados por el consenso de expertos, no por el descubrimiento de los mecanismos subyacentes a la enfermedad. Capturan patrones de síntomas, no heterogeneidad biológica.

Las consecuencias distan mucho de ser abstractas. El trastorno depresivo mayor, señala la revisión, puede diagnosticarse a través de más de 250 combinaciones posibles de síntomas. Dos pacientes que comparten el mismo diagnóstico pueden presentar cuadros clínicos completamente distintos. La comorbilidad es omnipresente: muchos individuos cumplen criterios para múltiples trastornos, ya sea de forma simultánea o a lo largo de su vida. Y los umbrales que separan la enfermedad de la normalidad siguen siendo, en la valoración de los autores, en gran medida arbitrarios, fundados en la convención antes que en la evidencia biológica.

"Si bien el DSM y la CIE proporcionan un marco esencial para la clasificación psiquiátrica, no logran capturar la verdadera naturaleza de la enfermedad mental", dijo la profesora Sabine Bahn, autora de correspondencia de la revisión y directora del Cambridge Centre for Neuropsychiatric Research de la Universidad de Cambridge. "Estos sistemas carecen de una base biológica sólida, generan categorías muy heterogéneas y parcialmente superpuestas, imponen umbrales arbitrarios y dependen de juicios subjetivos que varían entre clínicos. Quizás lo más crítico es que las etiquetas diagnósticas a menudo no predicen el pronóstico ni orientan el tratamiento efectivo."

Repensar la arquitectura de la enfermedad mental

¿Podemos imaginar el diagnóstico psiquiátrico de otra manera? Varias innovaciones conceptuales sugieren que sí. La revisión examina cuatro marcos principales que cuestionan las definiciones basadas en listas de verificación: los modelos de red, que tratan los síntomas psiquiátricos como sistemas en interacción y no como reflejos pasivos de un trastorno subyacente; la Taxonomía Jerárquica de la Psicopatología (HiTOP), que organiza la psicopatología en dimensiones jerárquicas basadas en datos; los Criterios del Dominio de Investigación (RDoC), que redefinen los trastornos mentales en términos de mecanismos neurobiológicos y psicológicos subyacentes; y el estadiaje clínico, que introduce una dimensión temporal al rastrear la progresión de la enfermedad desde la vulnerabilidad temprana hasta la enfermedad crónica.

Ninguno de estos marcos es un producto terminado. Las estructuras de red, señala la revisión, a menudo no se replican entre muestras. La complejidad del HiTOP limita su implementación clínica. El RDoC ha sido criticado por pasar por alto las dimensiones sociales y contextuales de la salud mental. Y el estadiaje clínico se ve obstaculizado por límites de etapa imprecisos y el hecho incómodo de que muchos trastornos mentales simplemente no siguen un curso predecible. Sin embargo, tomados en conjunto, estos modelos representan un cambio fundamental: en lugar de ver los trastornos como categorías fijas, describen la enfermedad mental como sistemas dinámicos y multidimensionales modelados por síntomas que interactúan, mecanismos subyacentes y desarrollo individual.

"Estos enfoques marcan un cambio mayor en nuestra comprensión de la enfermedad mental", dijo el Dr. Jakub Tomasik, co-autor de correspondencia y autor principal de la revisión. "Los marcos que examinamos no son alternativas en competencia. Abordan distintos niveles de explicación. Los enfoques de arriba hacia abajo ofrecen puntos de referencia clínicamente significativos, mientras que las estrategias de abajo hacia arriba buscan descubrir la estructura latente y los mecanismos que subyacen a los síndromes observados. Integrar ambos puede ser esencial para traducir los conocimientos basados en datos en herramientas clínicamente utilizables."

La evidencia biológica que se acumula bajo la superficie

¿Qué revela realmente el panorama molecular? La revisión abarca un amplio espectro de investigación en biomarcadores, desde grandes consorcios de neuroimagen hasta genómica, epigenética, proteómica y metabolómica. Los hallazgos del Consorcio ENIGMA muestran que la esquizofrenia está asociada con un adelgazamiento cortical generalizado, mientras que la depresión mayor muestra reducciones más localizadas en regiones que gobiernan la regulación emocional. Los grandes estudios de asociación del genoma completo del Consorcio de Genómica Psiquiátrica han identificado cientos de loci genéticos comunes asociados con la esquizofrenia, el trastorno bipolar y la depresión mayor, convergiendo en las vías de transmisión sináptica y señalización del calcio. Los análisis entre trastornos revelan una superposición genética sustancial, con altas correlaciones entre la esquizofrenia y el trastorno bipolar, y correlaciones moderadas con la depresión.

Sin embargo, la mayoría de los biomarcadores candidatos identificados hasta ahora muestran tamaños de efecto modestos, generalización limitada entre cohortes y permanecen en gran parte confinados a entornos de investigación. Este reconocimiento franco recorre toda la revisión. Los puntajes de riesgo poligénico actualmente explican hasta alrededor del 15 por ciento de la varianza de responsabilidad para la esquizofrenia y alrededor del 8 por ciento para la depresión mayor. Una proporción sustancial de la heredabilidad permanece inexplicada. ¿Cómo entonces se salva esta brecha entre señales prometedoras y utilidad clínica?

Algunos enfoques han alcanzado el umbral de la traslación clínica. La revisión destaca el panel proteómico VeriPsych, desarrollado en el laboratorio de la profesora Bahn, que fue validado en múltiples cohortes internacionales y comercializado en los Estados Unidos como una prueba desarrollada en laboratorio para ayudar a confirmar la esquizofrenia de inicio reciente, aunque fue retirado posteriormente debido al alto costo y la adopción limitada. La prueba de sangre EDIT-B basada en la edición de ARN ha obtenido la marcación CE-IVD europea como herramienta de apoyo a la decisión para diferenciar la depresión bipolar de la unipolar, con despliegue en Francia e Italia. Estos representan ejemplos poco frecuentes de diagnósticos moleculares que han cruzado del banco al lecho del paciente en psiquiatría.

Cuando tu teléfono se convierte en instrumento diagnóstico

Un análisis de sangre captura un momento. Un teléfono inteligente captura una vida. El fenotipado digital, sostiene la revisión, extiende los enfoques biológicos al abordar los aspectos longitudinales y dimensionales que los biomarcadores estáticos no logran captar. Los datos de geolocalización de los teléfonos inteligentes pueden revelar la movilidad reducida asociada con la gravedad depresiva. Los datos de sueño y vigilia de dispositivos portátiles muestran que los cambios en el ritmo circadiano predicen episodios de estado de ánimo en el trastorno bipolar, con ritmos retrasados que preceden a los episodios depresivos y ritmos avanzados que preceden a los episodios maníacos. Las grabaciones de voz revelan alteraciones en la entonación, el volumen vocal y las pausas en pacientes con depresión. Incluso las publicaciones en redes sociales portan señal diagnóstica: los usuarios activos en foros centrados en la psicosis exhiben una coherencia del habla notablemente menor.

¿Podría la evaluación momentánea ecológica, entregada a través de aplicaciones de teléfonos inteligentes que invitan a los individuos a reportar su estado de ánimo y energía varias veces al día, reemplazar eventualmente la instantánea estática de una entrevista clínica de 15 minutos? La revisión sugiere que esto es plausible pero prematuro. La mayoría de los marcadores digitales se han derivado de cohortes pequeñas o selectivas, muestran tamaños de efecto modestos y carecen de validación robusta. ¿Qué se necesitaría para que un clínico confiara en la lectura algorítmica de los datos del teléfono de un paciente tanto como confía en su propio instinto clínico? Esa pregunta no es meramente técnica. Es profundamente humana.

La inteligencia artificial como traductora, no como oráculo

El aprendizaje automático y la inteligencia artificial ocupan la capa integradora de la ruta traslacional que describe la revisión. Las arquitecturas transformadoras, el fundamento de los grandes modelos de lenguaje como ChatGPT y Gemini, ofrecen una promesa particular porque procesan datos como secuencias y pueden modelar dinámicas temporales y trayectorias longitudinales de la enfermedad. Los modelos multimodales que combinan genómica, metabolómica, neuroimagen y texto clínico ya se están desarrollando para la atención médica general, con arquitecturas como HEALnet, Multimodal Graph Learning y Med-PaLM M que muestran adaptabilidad a diversos tipos de datos.

Pero la revisión tiene cuidado de separar la aspiración del logro. El uso de modelos de inteligencia artificial en psiquiatría sigue siendo en gran medida centrado en la investigación y no implementado clínicamente. Persisten dos cuellos de botella principales: la calidad, disponibilidad y cantidad limitadas de datos, junto con la ausencia de métodos robustos para una inteligencia artificial explicable. Los conjuntos de datos psiquiátricos públicos más grandes suelen incluir menos de 1.000 muestras. Los datos clínicos rara vez se comparten debido a preocupaciones de privacidad. Y hasta que el razonamiento detrás de las decisiones psiquiátricas basadas en inteligencia artificial pueda hacerse transparente e interpretable, su despliegue enfrentará un escrutinio justificado.

"En la actualidad, los modelos de inteligencia artificial deben considerarse sistemas de apoyo a la decisión adyuvantes que complementan el juicio clínico, y no instrumentos diagnósticos autónomos", dijo Jihan K. Zaki, co-autora de la revisión e investigadora del Cambridge Centre for Neuropsychiatric Research y el Melville Laboratory for Polymer Synthesis de la Universidad de Cambridge. "La toma de decisiones de caja negra en psiquiatría plantea riesgos significativos, incluidos el estigma, la pérdida de confianza clínica y la responsabilidad medicolegal. La explicabilidad robusta no es opcional; es necesaria para garantizar que las predicciones se basen en señales válidas y no en artefactos."

Las barreras que no pueden disiparse con un deseo

Quizás el aspecto más valioso de esta síntesis es su negativa a vender más de lo que puede dar. La revisión traza un paisaje detallado de los desafíos de implementación: reproducibilidad y estandarización limitadas de los biomarcadores, escasa generalización desde la investigación hasta las poblaciones clínicas del mundo real, incertidumbre regulatoria entre países, sesgo algorítmico derivado de conjuntos de datos de entrenamiento homogéneos, infraestructura de datos fragmentada, resistencia de los clínicos a la adopción y ausencia de vías de reembolso. ¿Pueden las innovaciones desarrolladas en centros académicos bien dotados de recursos en lugares como Cambridge llegar genuinamente a una clínica psiquiátrica en el África subsahariana rural? La revisión es honesta: incluso los ensayos de bajo costo o los dispositivos portátiles pueden profundizar las disparidades si se despliegan principalmente en sistemas de salud bien dotados de recursos o se entrenan con poblaciones sobrerrepresentadas.

El aprendizaje federado, que permite que los modelos de inteligencia artificial se entrenen en conjuntos de datos descentralizados sin compartir datos brutos de los pacientes, ofrece un camino a seguir. Pero su implementación en salud mental sigue siendo limitada debido a fuentes de datos no uniformes. El progreso significativo, sostienen los autores, dependerá menos de avances algorítmicos singulares y más de la empresa colectiva de construir infraestructuras de datos transparentes, interoperables y gobernadas con criterios éticos.

Dónde emerge el consenso

A pesar de la complejidad, la revisión identifica áreas de convergencia creciente. Existe un amplio acuerdo en que los límites categoriales actuales no reflejan adecuadamente la estructura biológica subyacente de la enfermedad mental. La arquitectura genética compartida entre condiciones psiquiátricas está ahora bien establecida. El valor de la integración de datos multimodales, que combina marcadores moleculares con información digital y clínica, es cada vez más reconocido. Y quizás lo más importante: existe consenso en que las medidas objetivas y la inteligencia artificial deben servir para potenciar el juicio clínico y no para reemplazarlo, y para fortalecer la relación terapéutica que sustenta una atención eficaz de la salud mental.

"Al combinar los avances científicos y tecnológicos con la experiencia clínica, la psiquiatría puede construir un proceso diagnóstico más consistente, más personalizado y en última instancia más eficaz para mejorar los resultados de los pacientes", dijo la profesora Bahn. "El desafío ahora no es si debemos movernos en esta dirección. Es cómo hacerlo de manera responsable, equitativa y en genuina colaboración con los clínicos y pacientes que utilizarán estas herramientas."

Un campo en un punto de inflexión

Lo que emerge de esta síntesis no es una predicción de transformación inminente, sino una cartografía sobria del territorio que se extiende entre donde se encuentra la psiquiatría y donde podría llegar. La promesa inmediata es práctica: marcadores inflamatorios y metabólicos que ayudan a identificar subtipos de esquizofrenia que responden al tratamiento, datos circadianos de dispositivos portátiles que señalan episodios de estado de ánimo inminentes, herramientas de inteligencia artificial que reducen el retraso diagnóstico en presentaciones complejas o en estadio temprano. La visión a largo plazo es más ambiciosa: categorías diagnósticas que evolucionan hacia subtipos definidos empíricamente que reflejan mecanismos subyacentes, de la misma manera que la clasificación basada en biomarcadores ha transformado la oncología.

¿Necesita la psiquiatría una revolución, o necesita una evolución cuidadosamente diseñada? Esta revisión sugiere lo segundo. El camino a seguir exige no un único salto sino una acumulación de herramientas validadas, interpretables y accesibles que puedan integrarse fácilmente en los sistemas de salud del mundo real. El campo ha pasado décadas generando las materias primas: asociaciones genéticas, patrones de neuroimagen, señales digitales, perfiles moleculares. El trabajo que resta es integración, traslación y la labor poco glamorosa pero esencial de la implementación. Los árboles han sido identificados. Construir el bosque es la tarea que nos ocupa.

Este trabajo fue financiado por el Stanley Medical Research Institute (número de subvención O7R1888) a la profesora Sabine Bahn, y por la beca de la Fundación Oskar Huttunen a Jihan K. Zaki.

La revisión por invitación en Brain Medicine titulada "New approaches to enhance the diagnosis of psychiatric disorders" (Nuevos enfoques para mejorar el diagnóstico de los trastornos psiquiátricos) está disponible de forma gratuita en acceso abierto a partir del 10 de marzo de 2026 en Brain Medicine en el siguiente enlace: https://doi.org/10.61373/bm026i.0012

La referencia completa para fines de citación es: Tomasik J, Zaki JK, and Bahn S. New approaches to enhance the diagnosis of psychiatric disorders. Brain Medicine 2026. DOI: https://doi.org/10.61373/bm026i.0012. Epub 2026 Mar 10.

Acerca de Brain Medicine: Brain Medicine (ISSN: 2997-2639, en línea y 2997-2647, impreso) es una revista de investigación médica de alta calidad publicada por Genomic Press, Nueva York. Brain Medicine es un nuevo hogar para la vía interdisciplinaria que va desde la innovación en neurociencia fundamental hasta las iniciativas traslacionales en medicina cerebral. El alcance de la revista incluye la ciencia subyacente, las causas, los resultados, los tratamientos y el impacto social de los trastornos cerebrales, en todas las disciplinas clínicas y en su interfaz.

Visite la Biblioteca Virtual de Genomic Press: https://issues.genomicpress.com/bookcase/gtvov/

Nuestro sitio web de medios está en: https://media.genomicpress.com/

Nuestro sitio web completo está en: https://genomicpress.com/