Cincuenta adultos, depresión leve a moderada, un reloj inteligente Samsung y una aplicación de teléfono inteligente que les hacía ping cuatro veces al día. A primera vista, el ensayo de aumento personalizado del estado de ánimo en la Universidad de California en San Diego parece modesto. Lo que salió de ahí no lo fue. Cincuenta y cinco por ciento de los participantes ya no cumplían los criterios de depresión después de sólo seis semanas, aproximadamente el doble de la tasa de remisión de las intervenciones clínicas estándar. Y las pruebas cognitivas también mejoraron, algo que nadie esperaba.
La depresión afecta aproximadamente al 21% de los adultos estadounidenses en un momento dado. La carga económica se sitúa en algún lugar por encima de los 380.000 millones de dólares anuales. Los tratamientos disponibles, tanto con medicamentos como con psicoterapia, funcionan para algunas personas algunas veces, pero la tasa promedio de remisión en los ensayos clínicos ronda el 30%. Algo, claramente, no cuadra.
Jyoti Mishra, profesora asociada de psiquiatría en UC San Diego y codirectora de los Laboratorios de Traducción e Ingeniería Neural, cree conocer parte del problema. Los consejos genéricos, por más que estén basados en evidencia, tienden a disolverse en el momento en que se encuentran con un ser humano individual en un estado de depresión. Duerme ocho horas. Haga ejercicio 150 minutos a la semana. Sigue una dieta mediterránea. El problema es que la depresión no es una enfermedad uniforme y resulta que tampoco lo son sus desencadenantes en el estilo de vida. Para una persona, la interrupción del sueño podría ser el principal factor de mal humor. Por otro lado, es el aislamiento social. Para un tercero, la dieta. Una recomendación diseñada para todos no está, en un sentido significativo, diseñada para nadie.
Construyendo un modelo para una persona
La prueba PerMA cambió esa lógica. En lugar de preguntar qué ayuda a las personas deprimidas en general, el equipo de Mishra preguntó qué predice el mal humor en esta persona específica, basándose en sus propios datos recopilados a lo largo del tiempo. Es un concepto que los estadísticos llaman modelado N de 1. Y es más difícil de lo que parece.
Durante la primera fase de la prueba, los participantes usaron un reloj inteligente Samsung continuamente, rastreando la frecuencia cardíaca, el recuento de pasos, las calorías y los patrones de movimiento. Al mismo tiempo, completaron breves cuestionarios a través de una aplicación de teléfono inteligente hasta cuatro veces al día, calificando su estado de ánimo actual y registrando la calidad del sueño reciente, lo que habían comido, cuánto se habían movido y si habían hablado con alguien. Sesenta sesiones de este tipo durante dos a cuatro semanas. A partir de este flujo de datos denso y personalizado, el equipo construyó un modelo de aprendizaje automático adaptado a cada individuo, identificando qué variables de estilo de vida predecían de manera más confiable el estado de ánimo deprimido de esa persona, en lugar del estado de ánimo de las personas deprimidas en general. La precisión del modelo entre los participantes promedió alrededor del 75%, lo cual, dado el ruido inherente a los datos del comportamiento humano, es bastante impresionante.
El resultado de cada modelo no fue un informe lleno de correlaciones. Era algo más práctico: una lista clasificada de los principales predictores del estado de ánimo de un individuo, visualizada utilizando una técnica llamada estadística de Shapley (tomada de la teoría de juegos cooperativos, precisamente), que desglosa exactamente cuánto contribuye cada variable a la predicción. Los entrenadores, en este caso estudiantes de medicina con ocho horas de formación, revisaron las clasificaciones y asignaron a los participantes a uno de los cuatro dominios de intervención: sueño, ejercicio, dieta o conexión social. Diecisiete de los 40 participantes apuntaron hacia la conexión social. Trece hacia el ejercicio. Cinco cada uno para dormir y hacer dieta.
“Nuestro objetivo era descubrir los principales factores del estilo de vida que impulsan el estado de depresión, que serían diferentes para diferentes personas, y descubrir si al abordar esos factores a través de un entrenamiento personalizado, las personas realmente se sentirían mejor”, dijo Mishra.
Lo que realmente cambió
Durante seis semanas, cada participante se reunió una vez a la semana con su entrenador mediante videollamada, aproximadamente 20 minutos por sesión, trabajando en una intervención en cualquier dominio que el algoritmo hubiera marcado. Algunos participantes seguían un protocolo de terapia cognitivo conductual para el insomnio. Otros estaban aumentando progresivamente los tipos de actividad física que ya realizaban. Otros todavía estaban trabajando para ampliar el contacto social o cambiar la dieta hacia patrones asociados con un mejor estado de ánimo. El contenido difería según la persona. La estructura se mantuvo consistente. Como dijo Mishra: “Cada persona en el ensayo estaba realizando diferentes terapias conductuales que ya están bien establecidas en la literatura dependiendo de su principal factor predictivo”. La personalización no estaba en la terapia en sí, sino en qué terapia se seleccionó y por qué.
Los controles diarios de teléfonos inteligentes continuaron durante todo el proceso. Y algo que los investigadores encontraron particularmente sorprendente: la mejora en el estado de ánimo deprimido se registró específicamente con la mejora en el dominio del estilo de vida objetivo, no con cambios en todos los ámbitos. Los dominios no objetivo de los participantes, aquellos que el algoritmo no había marcado, no se movieron significativamente. Lo que sugiere que el efecto no se debió simplemente al compromiso o al beneficio de atención de tener un asesor de salud controlando una vez a la semana. Fue específico.
Las puntuaciones de depresión en la escala estándar PHQ-9 disminuyeron en una media de 3,5 puntos, con una d de Cohen de 0,89. Se trata de un tamaño de efecto grande según las convenciones de la psicología clínica. La ansiedad cayó un 36%. La calidad de vida mejoró. La memoria de trabajo, la atención selectiva y el procesamiento de interferencias, dominios cognitivos que la depresión degrada de manera confiable, mostraron ganancias significativas. “Los ensayos clínicos muestran que la mayoría de las intervenciones actuales sólo muestran un beneficio de alrededor del 30% en promedio en términos de remisión de la depresión”, observó Mishra; “Aquí vemos casi el doble de esa cifra debido a que se abordan los principales factores predictivos del estilo de vida con asesoramiento personalizado basado en datos”.
La máquina podría hacer la mayor parte de esto por sí misma
Hay, escondido en el artículo, un hallazgo que tal vez merezca más atención que las cifras de remisión de los titulares. Una vez completada la prueba, los investigadores probaron si un modelo de lenguaje grande, específicamente el flash Gemini 2.5 de Google, podría replicar las tareas de iMAP que los entrenadores humanos habían realizado a partir de los mismos datos de Shapley. Coincidió el 92,5% de las veces. Un algoritmo de decisión simple basado en reglas, ajustado empíricamente a las decisiones reales del entrenador, alcanzó el 95%. En otras palabras, los entrenadores humanos estaban haciendo algo que en gran medida podía automatizarse. Lo que plantea una pregunta obvia sobre qué sucede cuando este enfoque se amplía.
Como señaló Mishra, el consejo genérico que nos dan a todos, dietas más saludables, más sueño, más ejercicio, no es exactamente incorrecto; simplemente no es especialmente útil cuando estás deprimido y apenas puedes funcionar. “Cuando uno está deprimido, no es posible cambiar todo en su vida”, dijo. “Simplemente estás tratando de sobrevivir y funcionar en el día a día”. Los conocimientos personalizados, según el argumento, son más manejables precisamente porque son más limitados. Arregle lo que más le importa, en lugar de intentar una revisión.
Hay límites a lo que este juicio puede reclamar. Cincuenta participantes, ningún grupo de control, un único centro médico académico en San Diego. Los beneficios persistieron durante el seguimiento de 12 semanas, pero se desconoce la durabilidad a largo plazo. Y el tamaño del efecto, por impresionante que sea, necesita replicarse en un ensayo controlado aleatorio antes de que alguien deba revisar las guías clínicas. Lo que ofrece el ensayo PerMA no es un tratamiento. Es una prueba de concepto: que un dispositivo portátil, un teléfono inteligente y un sistema de aprendizaje automático pueden identificar qué palanca accionar para un individuo determinado de una manera que la investigación a nivel poblacional no puede. Por ahora, todavía es una pregunta abierta si esa información, traducida en un producto digital escalable, podría llegar a llegar a los dos tercios de las personas deprimidas que actualmente reciben una atención inadecuada.
https://doi.org/10.1038/s44277-026-00062-3
Preguntas frecuentes
¿Por qué los investigadores no les dijeron a todos que hicieran lo mismo, como hacer ejercicio o dormir más?
Porque el factor del estilo de vida que predice con mayor fuerza el estado de ánimo bajo varía considerablemente de persona a persona. En este ensayo, los modelos de aprendizaje automático confirmaron que la conexión social era el principal impulsor para el grupo más grande de participantes, mientras que el ejercicio era más importante para otros, y el sueño o la dieta para otros aún. Una recomendación general sería correcta para algunas personas e irrelevante para muchas más. Los resultados del ensayo mostraron específicamente que el estado de ánimo mejoró solo en el dominio objetivo, no en áreas de estilo de vida no relacionadas, lo que sugiere que la personalización estaba funcionando de verdad.
¿Podría una aplicación hacer esto sin un entrenador humano?
Posiblemente, y antes de lo que piensas. Los investigadores probaron si un modelo de lenguaje grande podría replicar las decisiones de los entrenadores humanos sobre a qué dominio de estilo de vida apuntar, y coincidió en el 92,5% de los casos. Un enfoque algorítmico afinado alcanzó el 95%. El papel de los entrenadores en la interpretación de los resultados del aprendizaje automático parece ser en gran medida automatizable, aunque los investigadores advierten que cierta supervisión humana sigue siendo importante por ahora, particularmente para el monitoreo de la seguridad.
¿Es este enfoque adecuado para personas con depresión grave?
No como está diseñado actualmente. El ensayo inscribió sólo a personas con depresión leve a moderada y excluyó deliberadamente a aquellas con trastornos por uso de sustancias activas, trastornos psicóticos, trastorno bipolar o conducta suicida aguda. La intervención se basa en un cambio de estilo de vida, que requiere un nivel básico de funcionamiento. Para las personas con depresión grave, probablemente sería necesario combinarlo con otros tratamientos en lugar de utilizarlo como un enfoque independiente.
¿Cuánto tiempo duraron los beneficios?
Las mejoras en las puntuaciones de depresión fueron estadísticamente significativas en los puntos de seguimiento de seis y doce semanas después de finalizar la intervención, aunque los tamaños de muestra en esos momentos fueron más pequeños debido al abandono. Las mejoras en la ansiedad se mantuvieron a las seis semanas, pero ya no fueron estadísticamente significativas a las doce semanas. Los investigadores tienen claro que se necesitan datos de durabilidad a largo plazo y un ensayo controlado aleatorio adecuado antes de que esto pase de un piloto prometedor a un tratamiento establecido.
Nota rápida antes de seguir leyendo.
ScienceBlog.com no tiene muros de pago, ni contenido patrocinado, ni ningún objetivo más allá de hacer la ciencia correcta. Cada historia aquí está escrita para informar, no para impresionar a un anunciante o promover un punto de vista.
El buen periodismo científico requiere tiempo: leer los artículos, comprobar las afirmaciones, encontrar investigadores que puedan poner los hallazgos en contexto. Hacemos ese trabajo porque creemos que es importante.
Si encuentra útil este sitio, considere apoyarlo con una donación. Incluso unos pocos dólares al mes ayudan a mantener la cobertura independiente y gratuita para todos.