Desde el pasado 8 de noviembre hasta el día 11 del mismo mes, tuvimos el placer de presentar un nuevo estudio referido a la capacidad de trabajo de modelos basados en Procesamiento Natural del Lenguaje (NLP por sus siglas en inglés Natural Language Processing) en la clasificación automática de pacientes con un intento de suicidio reciente. En esta ocasión, el profesor Alejandro de la Torre Luque expuso los principales hallazgos de nuestro estudio en una comunicación oral, en el prestigioso congreso 2025 IASR/AFSP International Summit on Suicide Research, celebrado en Boston (Massachusetts; EE.UU.).
El profesor de la Torre explicó que el contenido y la gravedad de la ideación suicida son factores clave para evaluar el riesgo de conductas suicidas activas. Asimismo, otros factores de riesgo de reintento de suicidio y mortalidad se refieren a la impulsividad, a la habilidad adquirida para el suicidio, los problemas psicopatológicos, psiquiátricos y condiciones de salud física y determinantes sociales referidos al acceso a los servicios de salud. Recientes investigaciones han mostrado grandes avances de estos modelos en el campo de la prevención de suicidio, especialmente en la capacidad de los modelos Transformer (BERT) para comprender el contexto y los patrones complejos del discurso de los pacientes con riesgo de suicidio. En nuestro estudio presentamos un enfoque innovador basado en modelos NLP para clasificar la severidad de los pensamientos suicidas a partir de respuestas en texto libre a instrumentos clínicos validados.
Técnicas avanzadas de NLP basadas en BERT demuestran mejoras sustanciales en los procesos de evaluación clínica.
Con el objetivo de analizar la capacidad predictiva de estos modelos, aplicamos técnicas avanzadas de NLP basadas en modelos BERT para categorizar respuestas abiertas a las preguntas sobre ideación suicida y comportamientos preparatorios de la Columbia-Suicide Severity Rating Scale (C-SSRS). Los datos que se presentaron en la comunicación oral proceden de un proyecto de investigador anterior en el que participan varios miembros del proyecto ALENTAR-J-CM, incluido el profesor de la Torre: el proyecto SURVIVE. Este consorcio de investigación, formado por nueve hospitales repartidos por el territorio español y la Universidad Complutense de Madrid, recogió una amplia muestra de pacientes atendidos en servicios de urgencias hospitalarias tras un intento de suicidio (N = 1.443; 69,8% mujeres; media de edad = 40,8 años). El análisis de las respuestas del C-SSRS se realizó mediante validación cruzada de cinco pliegues, utilizando la clasificación del personal clínico como referencia.
Los principales resultados del estudio mostraron que la precisión global de los modelos osciló entre 77,3% y 94,44% de éxito, en función de la pregunta del C-SSRS. Especialmente, se observaron elevados índices de precisión de estos modelos en identificar ideación activa (M F1: 0,98; DE = 0,01) y en clasificar actos preparatorios de suicidio (M F1: 0,97; DE = 0,02). Además, pudimos comprobar que el modelo de clasificación completo, que incluye el modelo BERT, clasificaba con mayor éxito la severidad, intensidad y potencial letalidad suicida, en comparación con los modelos basados en aspectos sociodemográficos y de evaluación clínica.
La investigación sienta bases sólidas para innovaciones clínicas en prevención.
En conclusión, nuestro estudio demuestra el enorme potencial que los modelos NLP pueden ofrecer para complementar la evaluación clínica del riesgo suicida, puesto que aportan una manera eficaz de clasificar y apoyar la práctica clínica, permitiendo analizar de forma eficiente múltiples dimensiones de la ideación y del comportamiento suicida. Asimismo, el uso de la validación cruzada aporta mayor solidez y generalización de los resultados, estableciendo una base sólida para futuras aplicaciones en entornos clínicos.
Estos hallazgos, en nuestra opinión, pueden representar un primer esfuerzo para mejorar la detección temprana y las estrategias de prevención e intervención para reducir el suicidio. En definitiva, este estudio pone la primera piedra del proyecto ALENTAR-J-CM hacia el desarrollo del prototipo software basado en estas tecnologías avanzadas que, en última instancia, podrían salvar la vida de muchas personas.
Y a ti, ¿qué te ha parecido nuestro estudio? Deja tus comentarios al respecto, ¡queremos saber qué opinas!
