IA en salud mental: qué muestra la evidencia y dónde están los límites

Sobre inteligencia artificial y salud mental circulan dos relatos igual de simplificados. Uno dice que la terapia con IA está a la vuelta de la esquina y va a reemplazar psicólogos. El otro dice que es todo humo peligroso y que no hay nada que discutir.

La investigación de los últimos años no respalda ninguno de los dos. Hay evidencia de eficacia en contextos acotados y, al mismo tiempo, evidencia sólida de fallas graves en situaciones clínicas críticas. Vale la pena mirar los estudios en concreto, porque la conclusión práctica para quien ejerce es bastante clara y no es "todo o nada".

TL;DR

• El primer ensayo aleatorizado de un chatbot de IA generativa para tratamiento en salud mental (Therabot, 210 participantes) mostró reducciones sintomáticas frente a lista de espera: 51% en depresión, 31% en ansiedad generalizada, 19% en preocupaciones por imagen corporal.
• Los propios autores concluyen que ningún agente de IA generativa está listo para operar de forma autónoma en salud mental, y el ensayo tuvo supervisión clínica humana.
• Un meta-análisis de agentes conversacionales (35 estudios, 15 ensayos aleatorizados) encontró efectos moderados sobre síntomas depresivos (g = 0,64) y malestar (g = 0,70).
• En contraparte, un estudio de 2025 mostró que los modelos de lenguaje expresan estigma hacia cuadros como esquizofrenia y dependencia de alcohol, y fallan al reconocer crisis, incluso alentando ideación delirante.
• El lugar donde la evidencia y el sentido común coinciden hoy: la IA como herramienta de apoyo al profesional, no como sustituto del tratamiento.

Por qué importa

Tus pacientes ya están usando IA. Le cuentan cosas a un chatbot a las tres de la mañana, le piden interpretaciones de sueños, le consultan si lo que sienten "es normal" antes o después de hablarlo con vos. No es una posibilidad futura, es la conducta actual.

Saber qué muestra la investigación te permite dos cosas: responder con criterio cuando un paciente te lo plantea, y decidir con criterio propio qué herramientas incorporás a tu práctica y cuáles no.

Qué dice la evidencia

El primer ensayo aleatorizado

En marzo de 2025, Heinz et al. publicaron en NEJM AI el primer ensayo controlado aleatorizado de un chatbot de IA generativa diseñado para tratamiento en salud mental (Therabot, desarrollado en Dartmouth).

El diseño: 210 adultos con síntomas clínicamente significativos de depresión mayor, ansiedad generalizada o riesgo elevado de trastorno alimentario. 106 recibieron acceso a la app durante cuatro semanas, con cuatro semanas adicionales de uso opcional; 104 quedaron en lista de espera.

Resultados frente al control:

• Depresión: reducción promedio de síntomas del 51%.
• Ansiedad generalizada: 31%.
• Preocupaciones por peso e imagen corporal: 19%.

Los participantes usaron la app unas seis horas en total a lo largo del ensayo, aproximadamente el equivalente a ocho sesiones. Los reportes de alianza con el sistema fueron altos.

Además, el ensayo se desarrolló con supervisión clínica: había personas revisando las interacciones y capacidad de intervenir. Los propios investigadores subrayaron que ningún agente de IA generativa está hoy en condiciones de operar de forma completamente autónoma en salud mental.

La evidencia acumulada de chatbots

Antes de Therabot ya existía un cuerpo de investigación sobre agentes conversacionales, en su mayoría basados en reglas o guiones (no IA generativa). El meta-análisis de Li et al. (2023), en npj Digital Medicine, revisó 35 estudios e incluyó 15 ensayos aleatorizados.

Encontró reducciones significativas en:

• Síntomas depresivos: g = 0,64 (IC 95% [0,17; 1,12]).
• Malestar psicológico: g = 0,70 (IC 95% [0,18; 1,22]).

Son efectos moderados, con intervalos de confianza amplios, en intervenciones típicamente breves y de bajo umbral de acceso.

El otro lado: fallas en situaciones críticas

Moore et al. (2025) presentaron en la conferencia FAccT de ACM un estudio que evaluó cinco modelos de lenguaje y cinco bots comerciales de "terapia" frente a escenarios clínicos.

Los hallazgos son preocupantes:

• Los modelos expresaron más estigma hacia dependencia de alcohol y esquizofrenia que hacia depresión, y ese estigma no mejoró en los modelos más nuevos ni más grandes.
• Ante escenarios de crisis, los modelos fallaron en reconocer el riesgo.
• En varios casos acompañaron el pensamiento delirante en lugar de contrastarlo con la realidad, algo que contradice la práctica clínica establecida.

La conclusión de los autores es explícita: estas fallas impiden que los modelos de lenguaje reemplacen de forma segura a los profesionales de salud mental.

Qué significa en tu consultorio

• Distinguí dos usos completamente distintos. Una cosa es la IA orientada al paciente como sustituto del tratamiento (donde la evidencia es incipiente y los riesgos están documentados) y otra es la IA como herramienta de apoyo al profesional: transcripción, borradores de notas, organización de información clínica. Son debates separados y conviene no mezclarlos.
• Preguntá activamente por el uso de IA. Si un paciente consulta a un chatbot entre sesiones, eso es material clínico: qué busca ahí, qué encuentra, qué no puede decirte a vos.
• Sé claro sobre los límites en crisis. Si trabajás con pacientes con riesgo, vale explicitar que un chatbot no es un recurso de emergencia y dejar por escrito cuáles sí lo son.
• Aplicá el mismo criterio de confidencialidad que a cualquier otra herramienta. Volcar material clínico identificable en un chatbot de uso general implica compartir datos de salud con un tercero, con consecuencias legales concretas. Lo desarrollamos en ChatGPT y datos clínicos.
• Ninguna IA sustituye tu juicio. Un borrador de nota es un borrador: lo revisás, lo corregís y lo firmás vos, que sos quien estuvo en la sesión.

Matices y limitaciones

• Un ensayo no hace un cuerpo de evidencia. El estudio de Therabot es un hito metodológico, pero es uno solo, breve, con control de lista de espera y en población que en su mayoría no recibía otro tratamiento.
• El seguimiento es corto. Cuatro a ocho semanas no dicen nada sobre sostenimiento de resultados a mediano plazo.
• Los sistemas evaluados no son los sistemas comerciales. Therabot fue desarrollado y supervisado por un equipo académico; la mayoría de las apps disponibles no tienen ni ese diseño ni esa supervisión.
• La tecnología cambia más rápido que la investigación. Cualquier hallazgo sobre modelos específicos envejece en meses, aunque el estudio de Moore et al. sugiere que ciertas fallas no se resuelven solas con modelos más nuevos.
• Casi no hay evidencia en español ni en población latinoamericana.

En resumen

La evidencia disponible dibuja una línea razonablemente nítida. Hay señales de que herramientas conversacionales bien diseñadas y supervisadas pueden ayudar a personas que hoy no acceden a nada. Y hay evidencia dura de que los modelos actuales fallan justo donde más caro sale fallar: crisis, riesgo, cuadros graves.

Por eso nuestra posición sobre la IA clínica es la misma desde el primer día: el trabajo terapéutico es tuyo y no se delega. Lo que sí se puede delegar es la carga administrativa que te roba tiempo y atención. Brauni prepara el borrador de la nota a partir de la sesión, con tus datos alojados de forma segura y sin usarse para entrenar modelos, para que vos decidas qué queda registrado.

Referencias

• Heinz, M. V., Mackin, D. M., Trudeau, B. M., Bhattacharya, S., Wang, Y., Banta, H. A., ... Jacobson, N. C. (2025). Randomized trial of a generative AI chatbot for mental health treatment. NEJM AI, 2(4). doi.org/10.1056/AIoa2400802
• Li, H., Zhang, R., Lee, Y. C., Kraut, R. E., & Mohr, D. C. (2023). Systematic review and meta-analysis of AI-based conversational agents for promoting mental health and well-being. npj Digital Medicine, 6, 236. doi.org/10.1038/s41746-023-00979-5
• Moore, J., Grabb, D., Agnew, W., Klyman, K., Chancellor, S., Ong, D. C., & Haber, N. (2025). Expressing stigma and inappropriate responses prevents LLMs from safely replacing mental health providers. Proceedings of the 2025 ACM Conference on Fairness, Accountability, and Transparency (FAccT '25). doi.org/10.1145/3715275.3732039