Resumen

Contexto: La autolisis intencional, más comúnmente conocida como suicidio, se erige como una de las causas de mortalidad prevenible más significativas en el espectro global de la salud pública. En la búsqueda de herramientas predictivas más avanzadas, la Inteligencia Artificial (IA) emerge como una prometedora vanguardia tecnológica con el potencial de mejorar sustancialmente la evaluación y manejo del riesgo suicida.

Objetivos:

El propósito central de esta revisión sistemática es examinar y evaluar de manera crítica la eficacia de la IA en la identificación y predicción de riesgos de comportamientos suicidas en pacientes, ponderando tanto sus capacidades como sus limitaciones.

Metodología:

Se llevó a cabo una revisión sistemática y minuciosa en las bases de datos académicas de PubMed, EMBASE y SCOPUS, empleando un algoritmo de búsqueda compuesto por términos clave estratégicamente seleccionados para capturar la gama más amplia de estudios pertinentes.

Hallazgos:

La búsqueda inicial arrojó un total de 296 estudios, de los cuales diecisiete cumplieron con rigurosos criterios de inclusión y fueron seleccionados para análisis. Estos estudios, distribuidos entre los años 2014 y 2020, abordaron desde la predicción de la propensión al suicidio en el nivel individual hasta la identificación de colectivos en riesgo en contextos demográficos particulares. La capacidad predictiva de los modelos de IA evaluados fue, en general, prometedora, aunque se observó una notable heterogeneidad en los resultados, atribuible a las variaciones entre los diferentes algoritmos empleados y las configuraciones de sus aplicaciones específicas.

Conclusiones:

La aplicación de la IA en el contexto de la prevención del suicidio parece ser de gran valor, demostrando un potencial significativo en la identificación de pacientes en riesgo de cometer actos autolesivos. Persisten, no obstante, interrogantes respecto a la integración práctica y efectiva de estas tecnologías en el entorno clínico real, así como complejidades éticas relacionadas con su utilización. Se recomienda la realización de investigaciones adicionales para optimizar los algoritmos existentes y explorar las mejores prácticas para su implementación clínica, garantizando al mismo tiempo el respeto y la privacidad de los pacientes.