Adam K. Lewkowitz , et al. https://doi.org/10.1176/appi.ajp.2025024
Recopilado por Carlos Cabrera Lozada. Individuo de Número, ANM Sillón VII. ORCID: 0000-0002-3133-5183. 04/06/2025
Resumen
Aproximadamente el 15% de todas las personas embarazadas en los Estados Unidos desarrollan depresión posparto (DPP), una afección que, cuando no se trata, puede afectar negativamente la salud de la madre o el padre que da a luz (1 ). Por ejemplo, una de cada cinco personas embarazadas con DPP presenta ideación suicida ( 2 ), y el suicidio es una de las principales causas de mortalidad materna ( 3 ). Además, un diagnóstico de DPP aumenta el riesgo de consecuencias adversas para la salud de otros miembros de la familia nuclear. Los padres que no dan a luz tienen un mayor riesgo de desarrollar síntomas de depresión si el padre que da a luz tiene DPP ( 4 ). En comparación con los bebés nacidos de personas eutímicas, los bebés nacidos de personas que dan a luz con DPP tienen un mayor riesgo de tener complicaciones del desarrollo neurológico a largo plazo ( 5 , 6 ). Para prevenir las consecuencias multigeneracionales de la DPP, el Colegio Estadounidense de Obstetras y Ginecólogos (ACOG) recomienda realizar pruebas de detección de DPP a las personas que dan a luz varias veces durante y una vez después del embarazo ( 1 ).El aprendizaje automático, un subconjunto de la inteligencia artificial, puede aprovechar datos clínicos complejos para predecir qué pacientes tienen una mayor probabilidad de desarrollar un resultado adverso. Los médicos en ejercicio probablemente estén familiarizados con el modelado predictivo tradicional, en el que una computadora sirve como ayuda computacional para identificar a aquellos en riesgo de un resultado de interés con base en factores clínicamente informados. Por ejemplo, en psiquiatría, los modelos de predicción del riesgo de suicidio a menudo utilizan características del paciente, como diagnósticos previos de salud mental e intentos de suicidio anteriores, para estimar la probabilidad de autolesión futura. Con el aprendizaje automático, los principios generales del modelado predictivo son los mismos, pero el rol de la computadora es fundamentalmente diferente: después de recibir una guía básica, la computadora desarrolla y optimiza de forma independiente el modelo predictivo utilizando datos de entrenamiento y luego calcula la predicción del riesgo con datos nuevos, todo sin participación humana directa. Dentro de la psiquiatría, los modelos predictivos de aprendizaje automático se han utilizado para predecir la progresión diagnóstica a esquizofrenia o trastorno bipolar entre personas que reciben atención de salud mental ( 7 ) y para predecir el ingreso involuntario después del tratamiento psiquiátrico hospitalario antes de que se desarrolle esta complicación ( 8 ).