← Blog

Lo que un algoritmo todavía no puede decir sobre el riesgo suicida

Un comentario a mi artículo sobre inteligencia artificial y predicción de la conducta suicida en jóvenes universitarios.

Durante los últimos años el aprendizaje de máquinas se ha presentado como una de las vías más prometedoras para mejorar la predicción de la conducta suicida, un campo en el que cincuenta años de investigación no han logrado ofrecer respuestas claras sobre los factores de riesgo ni sobre la configuración de factores que antecede a una muerte por suicidio (Franklin et al., 2017). La promesa resulta especialmente atractiva en contextos universitarios, donde la prevalencia de problemas de salud mental es alta y donde las instituciones disponen de datos, de equipos de investigación y de una preocupación legítima por sus estudiantes. En 2025 publiqué un trabajo en la Revista Iberoamericana de Psicología en el que intenté detenerme en esa promesa y preguntarme qué resguardos éticos requiere su implementación (Fuentes-Ferrada, 2025). Lo que sigue es un comentario a ese trabajo, a partir de las tres consideraciones que, a mi entender, siguen plenamente vigentes.

Predecir la ideación y prevenir el suicidio

La mayoría de las personas con ideación suicida no avanza hacia conductas suicidas, y los factores tradicionalmente asociados al suicidio (como la depresión, la desesperanza o la impulsividad) predicen la ideación y no los intentos (Klonsky y May, 2014). No obstante, gran parte de los estudios realizados con estudiantes universitarios entrena algoritmos para predecir ideación suicida y presenta luego sus resultados como un aporte a la prevención del suicidio, lo que supone asumir que la ideación es el primer paso de un trayecto que conduce al intento; la primera consideración tiene que ver, precisamente, con aquello que los modelos efectivamente predicen. Por tanto, sostener que predecir la ideación favorece la prevención de intentos o de muertes por suicidio puede constituir una falsa promesa, que no es empírica ni éticamente consistente.

A ello se suma que la investigación en suicidalidad ha estado orientada de manera predominante al déficit (la psicopatología y los factores de riesgo), perdiendo de vista aquellos factores protectores que tienen un impacto directo en la reducción del riesgo. La denominada suicidología positiva ha comenzado a explorar el rol de las razones para vivir, el significado de vida o el bienestar psicológico, e incluso algunos de los estudios que reviso en el artículo han observado que las personas con salud mental positiva tienen menos probabilidad de intentar suicidarse aun teniendo ideación. Si los algoritmos se alimentan exclusivamente de variables de déficit, es probable que reproduzcan con mayor sofisticación los mismos problemas que han estancado la capacidad predictiva en las últimas décadas; identificar mediante estos análisis los mecanismos que sostienen el bienestar podría ser, en cambio, un campo de desarrollo prometedor.

Después de la pesquisa

La segunda consideración implica ir más allá de una pesquisa precisa. Si un equipo implementa una estrategia de aprendizaje automático para detectar riesgo suicida en una universidad, es necesario que al mismo tiempo cuente con protocolos previamente establecidos para orientar el apoyo y el seguimiento de quienes resulten identificados. Un ejemplo que me parece recomendable es el de un estudio con estudiantes universitarios chilenos en el que participé (Langer et al., 2024), en el que se realizó seguimiento telefónico a quienes presentaron ideación suicida, evaluación de riesgo por parte de un especialista, seguimiento semanal en los casos de riesgo moderado y alto, y derivación a servicios de urgencia cuando el riesgo era inminente. Aun con una pesquisa precisa, un abordaje impreciso es potencialmente fatal, por lo que la detección compromete a la institución con una responsabilidad que excede con mucho al análisis de datos.

Quién evalúa

En una revisión sistemática de estudios basados en aprendizaje de máquinas, ninguno había logrado informar riesgo inminente de conductas suicidas (Burke et al., 2019). La tercera consideración se refiere, por ello, al agente de la evaluación (quién, o qué, determina el riesgo), puesto que incluso si los algoritmos se perfeccionaran para señalar con mayor claridad quién tiene más probabilidad de intentar quitarse la vida, no podrían señalar cuándo alguien en riesgo podría actuar. Hablar de riesgo inminente exige explorar factores específicos e idiográficos, es decir, aquellos que son propios de una persona y de su situación, lo que requiere no solo de datos, sino también de una conversación, de un vínculo y de un juicio clínico que están lejos de ser adquiridos por la inteligencia artificial. En el artículo propuse como criterio ético mínimo que, posterior a la pesquisa, cada estudiante en riesgo sea vinculado con evaluadores humanos entrenados, ya sea en un servicio de salud universitario o en la red de salud.

Escribí ese artículo como psicólogo clínico con experiencia en evaluación de riesgo suicida en atención primaria, en contextos universitarios y en unidades de psiquiatría, y reconozco que esa familiaridad con los procedimientos clínicos puede sesgar mi lectura a favor de la evaluación entre humanos. Con todo, sigo pensando que nos encontramos frente a un traslape entre la crisis de la investigación en suicidio y la innovación de los análisis predictivos, que invita a un diálogo necesario entre ambas disciplinas. Si los avances de la inteligencia artificial no dialogan con los nuevos desarrollos de la suicidología, tendremos análisis sofisticados que repiten viejos problemas; si lo hacen, es posible avanzar hacia un conocimiento más preciso y, a su vez, éticamente responsable de la conducta suicida en jóvenes universitarios.

Si tú o alguien cercano está pasando por un momento difícil, en España puedes llamar al 024 y en Chile al *4141, ambos gratuitos y disponibles las 24 horas.

Referencias

Burke, T. A., Ammerman, B. A., y Jacobucci, R. (2019). The use of machine learning in the study of suicidal and non-suicidal self-injurious thoughts and behaviors: A systematic review. Journal of Affective Disorders, 245, 869-884. https://doi.org/10.1016/j.jad.2018.11.073

Franklin, J. C., Ribeiro, J. D., Fox, K. R., Bentley, K. H., et al. (2017). Risk factors for suicidal thoughts and behaviors: A meta-analysis of 50 years of research. Psychological Bulletin, 143(2), 187-232. https://doi.org/10.1037/bul0000084

Fuentes-Ferrada, R. (2025). Inteligencia artificial y predicción de la conducta suicida en jóvenes universitarios, algunas consideraciones éticas. Revista Iberoamericana de Psicología, 18(2), 87-97. https://doi.org/10.33881/2027-1786.rip.18207

Klonsky, E. D., y May, A. M. (2014). Differentiating suicide attempters from suicide ideators: A critical frontier for suicidology research. Suicide and Life-Threatening Behavior, 44(1), 1-5. https://doi.org/10.1111/sltb.12068

Langer, Á. I., Schmidt, C., Martínez, V., Mac-Ginty, S., Fuentes, R., y Núñez, D. (2024). Suicidal ideation, non-suicidal self-injury and psychopathology in university students: Examining the moderating role of experiential avoidance. Journal of Affective Disorders Reports, 16, 100734. https://doi.org/10.1016/j.jadr.2024.100734

reinerfuentes7@gmail.com

Escríbeme

¿Sobre qué quieres conversar?