Esta página se ha traducido automáticamente del turco. Leer el original

Esta página es un resumen en turco, elaborado con ayuda de inteligencia artificial, del trabajo presentado en el 26.º Congreso Mundial de Psiquiatría. El trabajo pertenece a los autores que lo presentan; para citarlo, consulte la fuente original.

EV0458

Evaluación de una plataforma de gestión del estrés y la salud mental en tiempo real asistida por inteligencia artificial en médicos residentes sometidos a altos niveles de estrés en Los Angeles General Medical Center

EVALUATION OF AN ARTIFICIAL INTELLIGENCE ENABLED REAL-TIME STRESS AND MENTAL HEALTH MANAGEMENT PLATFORM IN A HIGH-STRESS PHYSICIAN RESIDENT POPULATION AT LOS ANGELES GENERAL MEDICAL CENTER

El estudio que evalúa una plataforma de salud digital en tiempo real asistida por inteligencia artificial que integra datos de sensores portátiles, escalas clínicas y un chatbot en médicos residentes sigue en curso, y el póster no presenta datos de resultados.

El objetivo del estudio es evaluar una plataforma de salud digital en tiempo real, sensible al contexto y asistida por inteligencia artificial multimodal, para la gestión del estrés y el agotamiento profesional en una población de médicos residentes sometidos a altos niveles de estrés; como justificación, se citan datos de 2023 de la Asociación de Facultades de Medicina de Estados Unidos (AAMC), según los cuales el 48 % de los médicos experimentaba al menos un síntoma de agotamiento profesional. El estudio de resultados clínicos y validación del sistema de inteligencia artificial se está llevando a cabo durante 12 semanas con médicos residentes que desempeñan funciones clínicas activas en Los Angeles General Medical Center (n = 120); ha pasado por el proceso de revisión del comité de revisión institucional (IRB) de la Universidad del Sur de California, y está previsto obtener el consentimiento informado de los participantes para acceder a los datos de sensores portátiles, una aplicación para teléfonos inteligentes y una aplicación web. En la evaluación se utilizan escalas digitales validadas clínicamente: capital psicológico (PCQ-10), depresión (PHQ-9), ansiedad (GAD-7) y estrés (PSS-10); además, las mediciones de dispositivos portátiles, como la frecuencia cardíaca, la duración del sueño, la actividad física y la temperatura corporal, se procesan de forma continua mediante una arquitectura de aprendizaje profundo basada en una red de memoria a largo y corto plazo (Long Short-Term Memory, LSTM) y se transforman en una puntuación de bienestar. La tercera vía de datos consiste en analizar las conversaciones mantenidas con un chatbot integrado en el sistema mediante grandes modelos de lenguaje (Large Language Models, LLM) para identificar patrones de malestar; las puntuaciones procedentes de todas las vías de datos se combinan mediante un algoritmo de red neuronal profunda ponderada para generar una única puntuación de bienestar, y se ofrecen un circuito de retroalimentación basado en inteligencia artificial generativa y recompensas para conductas positivas fundamentadas en la economía conductual. El único resultado cuantitativo de validación comunicado en el póster es un análisis de prueba de concepto para detectar la aparición de ansiedad y depresión en un flujo de datos del mundo real de 27.651 participantes; con el modelo de red neuronal se obtuvo una exactitud aproximada del 90 %, y este resultado se presentó en el congreso de 2025 de la Asociación Americana de Psiquiatría. Aún no se presentan datos de resultados del propio estudio; el póster señala que se espera que la tecnología prevenga el estrés laboral y el agotamiento profesional en los médicos y mejore su bienestar mental y físico, así como su satisfacción laboral.

Todos los resúmenes del WCP 2026