La Organización Mundial de la Salud conceptualiza la salud mental como un estado de bienestar en el que las personas son conscientes de sus propias capacidades, pueden hacer frente a las tensiones normales de la vida, pueden trabajar de manera productiva y fructífera, y son capaces de contribuir a su comunidad. Los trastornos mentales y los trastornos relacionados con sustancias psicoactivas son muy prevalentes en todo el mundo y contribuyen de manera importante a la morbilidad, la discapacidad la mortalidad prematura. Por otro lado, en los avances recientes de la medicina moderna, la inteligencia artificial se destaca como uno de los principales actores, principalmente para la atención médica predictiva y preventiva. En adición, con el advenimiento de los enfoques digitales para la salud mental, la inteligencia artificial moderna, en particular el aprendizaje automático, se está utilizando en el desarrollo de soluciones de predicción, detección y tratamiento para la atención de la salud mental. Aunque ha habido un progreso considerable en la salud digital y la aplicación de la IA a la salud física en general, la adopción de la IA en la salud mental es relativamente incipiente. Durante la pandemia de COVID-19, los casos reportados sobre trastornos de ansiedad y depresión han aumentado un 74% según una encuesta de la Asociación Estadounidense de Psicología. Específicamente en América Latina, la brecha de tratamiento para la depresión es del 73,9%. Una parte importante de los trastornos de salud mentales prevenible si se detecta a tiempo y se trata adecuadamente. Este trabajo apunta precisamente a la incorporación de la IA en la salud mental, hacia una atención médica predictiva, preventiva, personalizada y de precisión.

El objetivo principal es desarrollar algoritmos predictivos para el diagnóstico temprano de trastornos de salud mental, incluida la depresión, seguido del uso de aprendizaje automático para realizar análisis predictivos de los datos clínicos. Por un lado, se utilizarán algoritmos supervisados para entrenar los modelos predictivos para el diagnóstico precoz y, por otro lado, se utilizarán técnicas no supervisadas como el agrupamiento para el perfilado de riesgo en las cohortes, para realizar tratamientos dirigidos. El objetivo final incluye el diseño de un sistema de apoyo a la decisión clínica (clinical decision support system) para ayudar al personal sanitario a realizar diagnósticos más eficientes y precisos de los trastornos de salud mental, y proporcionar atención personalizada y preventiva en salud mental.

RADICADO EN

Universidad Tecnológica Nacional

Facultad Regional Buenos Aires

EQUIPO DE TRABAJO

Pollo Cattaneo María Florencia (Directora)

Federico Maleh

Pablo Gonzalo Pytel

Cinthia Soledad Vegega

Parag Chatterjee

Agustín Sabelli

Martín Daniel Di Felice

Jorge Omar Norscini

Hugo Eliseo Ramón

Ariel Deroche

Chabela Lamas 

PERÍODO DEL PROYECTO

Abril 2023 – Marzo 2026

PUBLICACIONES