📄 medicina

Repurposing Large Language Models as Instruments to Detect Transdiagnostic Speech Deviations across the Psychosis–Affective Spectrum

Este estudio demuestra que cuantificar las desviaciones de las expectativas de los modelos de lenguaje de gran tamaño (sorpresa) sirve como un marcador escalable y robusto para detectar alteraciones del habla transdiagnósticas, particularmente en trastornos del espectro de la esquizofrenia y el trastorno bipolar, aunque su capacidad para distinguir a pacientes individuales sigue siendo modesta.

Autores originales: Esra Lenz, Svenja Seuffert, Julius Wiegert, Rieke Roxanne Mülfarth, Agata Mrozek, Tilo Kircher, Emmanuel Schwarz, Frederike Stein

Publicado 2026-10-06

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Esra Lenz, Svenja Seuffert, Julius Wiegert, Rieke Roxanne Mülfarth, Agata Mrozek, Tilo Kircher, Emmanuel Schwarz, Frederike Stein

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Durante décadas, la psiquiatría ha dependido en gran medida de la palabra hablada. Cuando un médico evalúa a un paciente, no solo escucha lo que se dice, sino cómo se dice. Prestan atención al flujo de las ideas, a la conexión entre las frases y al ritmo del habla. Estos patrones pueden revelar profundas perturbaciones en el pensamiento, como cuando los pensamientos de una persona se vuelven desorganizados o saltan erráticamente de un tema a otro. Esta es una característica central de afecciones como la esquizofrenia, donde la estructura misma del lenguaje puede romperse. Sin embargo, escuchar a un paciente y juzgar estos cambios sutiles es una tarea difícil para los seres humanos. Requiere un entrenamiento intenso, e incluso los expertos suelen discrepar sobre lo que escuchan. Debido a que no existen pruebas biológicas sencillas, como un análisis de sangre, para diagnosticar estas condiciones, el campo ha buscado durante mucho tiempo una forma más objetiva de medir estos patrones del habla.

Recientemente, ha surgido un nuevo tipo de programa informático que podría ofrecer una solución. Estos son modelos de lenguaje de gran tamaño, la misma tecnología que impulsa a muchos chatbots modernos. Han sido entrenados con vastas cantidades de texto de libros, sitios web y conversaciones, aprendiendo las reglas estadísticas de cómo las palabras suelen seguirse unas a otras. En esencia, construyen un mapa interno masivo de cómo suena una conversación normal y saludable. Los investigadores han comenzado a preguntarse si estos programas podrían actuar como un nuevo tipo de instrumento. Si el habla de una persona se desvía significativamente de los patrones que la computadora espera, ¿podría esa desviación servir como un signo mensurable de enfermedad? Esta pregunta se sitúa en la intersección de la inteligencia artificial y la salud mental, planteando si la capacidad de una máquina para predecir la siguiente palabra en una oración puede ayudarnos a comprender la mente humana.

Un equipo de investigadores en Alemania se propuso probar esta idea con un grupo grande de personas. Reunieron a 371 participantes, incluyendo 178 individuos sanos y 194 pacientes diagnosticados con diferentes condiciones psiquiátricas. Los pacientes se dividieron en tres grupos principales: aquellos con trastornos del espectro de la esquizofrenia, aquellos con trastorno bipolar y aquellos con trastorno depresivo mayor. Para asegurar que todos hablaran bajo condiciones similares, los investigadores pidieron a cada persona que observara cuatro imágenes y contara una historia sobre lo que estaba sucediendo en la escena. Esta es una prueba estándar utilizada en psicología para fomentar la narración natural. Los investigadores grabaron estas historias, las transcribieron a texto y luego las introdujeron en un sofisticado modelo de lenguaje.

Se le instruyó a la computadora para que actuara como si fuera una persona sana. A medida que leía cada historia, calculaba una puntuación para cada frase basada en qué tan sorprendida estaba por las palabras que encontraba. Si la historia fluía de la manera que la computadora esperaba, la puntuación de sorpresa era baja. Si la historia tomaba un giro inesperado, utilizaba combinaciones de palabras extrañas o rompía las reglas de la gramática de una manera que interrumpía el flujo, la puntuación de sorpresa aumentaba. Los investigadores llamaron a esta puntuación "sorpresa" (surprisal). Luego compararon estas puntuaciones entre los diferentes grupos, ajustando cuidadosamente factores como la edad, la educación y la longitud promedio de las oraciones, para asegurarse de que los resultados no fueran simplemente un reflejo de cuánto hablaron las personas.

Los resultados revelaron un patrón claro que distinguía a los grupos. Las historias contadas por personas con trastornos del espectro de la esquizofrenia produjeron consistentemente puntuaciones de sorpresa mucho más altas que las contadas por los voluntarios sanos. Esto significa que su habla era significativamente menos predecible para la computadora, desviándose de las normas estadísticas del lenguaje saludable. Las personas con trastorno bipolar también mostraron puntuaciones elevadas, aunque el efecto no fue tan fuerte como en el grupo de la esquizofrenia. Sorprendentemente, las historias de las personas con trastorno depresivo mayor fueron indistinguibles de las de los controles sanos. Su habla era tan predecible como la de los voluntarios sanos, lo que sugiere que el tipo específico de interrupción del lenguaje medido por este método no es una característica general de todas las enfermedades mentales, sino que está más estrechamente vinculado al espectro de la psicosis.

Los investigadores también analizaron si estas puntuaciones coincidían con la gravedad de los síntomas de los pacientes. Encontraron que las puntuaciones de sorpresa más altas estaban vinculadas a mayores dificultades en el pensamiento y el habla, como los pensamientos desorganizados que se ven a menudo en la esquizofrenia. Sin embargo, este vínculo fue impulsado principalmente por las diferencias entre los grupos diagnósticos, más que por qué tan enfermo estaba un paciente individual en un día determinado. En otras palabras, la computadora era mejor diferenciando entre una persona con esquizofrenia y una persona sana que en determinar la gravedad de los síntomas de un paciente específico en ese momento. El estudio también confirmó que estos resultados no se debieron simplemente a que los pacientes hablaran en frases más cortas o tuvieran menos educación; el efecto persistió incluso después de que los investigadores tomaran en cuenta estos factores.

Si bien la capacidad de la computadora para distinguir entre grupos fue prometedora, no fue perfecta. La tecnología pudo identificar patrones que los evaluadores humanos podrían pasar por alto, pero aún no era lo suficientemente precisa como para ser utilizada como una herramienta de diagnóstico independiente. El estudio sugiere que este método captura un aspecto real y mensurable de cómo el lenguaje se rompe en ciertas condiciones psiquiátricas, ofreciendo una forma nueva y objetiva de observar la psiquis. Demuestra que las expectativas estadísticas de una máquina, entrenada en el lenguaje colectivo de la humanidad, pueden detectar las fracturas sutiles, a menudo invisibles, en el habla de quienes luchan contra la psicosis. Esto no reemplaza la necesidad de médicos humanos, sino que ofrece una nueva herramienta potencial para ayudarles a ver lo que está sucediendo en la mente a través de las palabras que una persona elige pronunciar.

Planteamiento del Problema

La psiquiatría depende en gran medida del lenguaje y el habla para el diagnóstico y la evaluación de síntomas, particularmente para el Trastorno del Pensamiento Formal (TPF), un sello distintivo de los trastornos del espectro de la esquizofrenia (TSE). Sin embargo, la evaluación clínica del habla es subjetiva, sufre de una fiabilidad inter-evaluador heterogénea y es difícil de escalar. Si bien los enfoques previos de la psiquiatría computacional utilizando el Procesamiento de Lenguaje Natural (PLN) han cuantificado la incoherencia semántica, a menudo descuidan la propiedad fundamental de la predictibilidad del lenguaje basada en el contexto precedente. Además, la evidencia existente sobre las desviaciones del habla se limita en gran medida a cohortes pequeñas de habla inglesa que se centran en diagnósticos únicos (principalmente esquizofrenia) en lugar de dimensiones transdiagnósticas. El estudio aborda la brecha en la comprensión de si los Modelos de Lenguaje de Gran Escala (LLM), entrenados en vastos corpora de texto para predecir el siguiente token, pueden servir como instrumentos objetivos para detectar desviaciones de las expectativas lingüísticas estadísticas (sorpresa o surprisal) a través de un espectro transdiagnóstico de trastornos psiquiátricos (TSE, Trastorno Bipolar [TB], y Trastorno Depresivo Mayor [TDM]) en comparación con controles sanos (CS).

Metodología

Participantes y Recolección de Datos:
El estudio utilizó una muestra transversal alemana de 371 participantes: 178 Controles Sanos (CS), 48 con TSE, 26 con TB y 119 con TDM. Los participantes completaron el Test de Apercepción Temática (TAT), un estímulo narrativo estandarizado, donde contaron historias basadas en cuatro imágenes. El habla fue grabada en audio, transcrita textualmente por lingüistas ciegos y procesada para eliminar palabras de relleno.

Computación de la Sorpresa (Surprisal) mediante LLM:
La métrica central, la "sorpresa de LLM", se definió como la mediana de la pérdida de entropía cruzada a nivel de oración de un LLM autorregresivo (modelo primario: Qwen2.5-32B-Instruct). El modelo fue condicionado mediante un prompt de personalidad de "hablante sano". Para cada oración, se calculó la pérdida de predicción del modelo como el promedio negativo de las log-probabilidades de los tokens. Esta métrica cuantifica cuánto se desvía un segmento de habla específico de la expectativa estadística del modelo de un lenguaje coherente y típico.

Análisis Estadístico:

Desconfounding (Eliminación de variables de confusión): La sorpresa bruta estaba fuertemente correlacionada con la Longitud Media de la Oración (LMO) y la demografía. Para aislar las señales relacionadas con la enfermedad, los autores residualizaron la sorpresa frente a la edad, el sexo, los años de educación (YoE) y la LMO utilizando una regresión de Mínimos Cuadrados Ordinarios (OLS).
Comparaciones de Grupos: Los modelos de regresión OLS compararon la sorpresa residualizada entre los grupos diagnósticos (TSE, TB, TDM) y los CS.
Correlaciones Clínicas: Se computaron correlaciones de Spearman entre la sorpresa residualizada y 18 variables clínicas/cognitivas (p. ej., SAPS, SANS, TLI, CI Verbal).
Valor Predictivo Incremental: Se evaluaron modelos de regresión logística anidados utilizando el Criterio de Información de Akaike (AIC), el Área Bajo la Curva de Validación Cruzada de Dejar Uno Fuera (CV-AUC), Pruebas de Razón de Verosimilitud (LRT) y pruebas de DeLong para determinar si la adición de la sorpresa de LLM mejoraba la clasificación más allá de la demografía y la coherencia semántica.
Verificaciones de Robustez: Los análisis se repitieron a través de diferentes arquitecturas de modelos (Qwen2.5-7B, LeoMistral-Hessianai-7b), configuraciones de prompt (personalidad sana, personalidad de paciente, neutral, ninguna) y análisis de sensibilidad respecto a la longitud de la oración y el CI verbal.

Resultados Clave

Diferencias de Grupo:

TSE: Los pacientes con Trastornos del Espectro de la Esquizofrenia mostraron una elevación significativa en la sorpresa de LLM en comparación con los CS ( $\beta=0.49, P=0.002$ ) tras ajustar por variables de confusión.
TB: Los pacientes con Trastorno Bipolar mostraron una elevación significativa pero menor en comparación con los CS ( $\beta=0.39, P=0.04$ ). Este efecto dejó de ser significativo cuando se añadió el CI Verbal como covariable.
TDM: Los pacientes con Trastorno Depresivo Mayor fueron indistinguibles de los CS ( $\beta=-0.02, P=0.87$ ).
Gradiente: Se observó un gradiente diagnóstico: TSE > TB > TDM $\approx$ CS.

Correlaciones Clínicas:

La sorpresa residualizada se correlacionó con 8 de las 18 escalas clínicas. Las asociaciones más fuertes fueron con el CI Verbal ( $\rho=-0.25$ ) y el Trastorno del Pensamiento Formal positivo ( $\rho=0.23$ ).
Crucialmente, cuando se controló la pertenencia al grupo diagnóstico, la mayoría de las asociaciones de síntomas (p. ej., síntomas positivos, manía) perdieron significancia, lo que sugiere que estas correlaciones estaban impulsadas por diferencias entre grupos en lugar de la severidad de los síntomas dentro del paciente.
La asociación con el CI Verbal persistió incluso después de controlar el diagnóstico, lo que indica un vínculo dimensional entre la predictibilidad del lenguaje y la capacidad verbal específicamente dentro de la población de pacientes.

Utilidad Predictiva y Robustez:

Valor Incremental: La adición de la sorpresa de LLM mejoró significativamente el ajuste del modelo (LRT) sobre una línea base de demografía y coherencia semántica para la cohorte general y el subgrupo de TSE. Sin embargo, la mejora en la discriminación de validación cruzada (CV-AUC) fue modesta (p. ej., el AUC de TSE mejoró de 0.706 a 0.744; $P=0.059$ para la prueba de DeLong).
Estabilidad: La señal fue robusta a través de diferentes tamaños de modelos y configuraciones de prompt. El prompt de "personalidad sana" produjo resultados consistentes con las personalidades neutral o de paciente.
Longitud de la Oración: Los análisis de descomposición confirmaron que la elevada sorpresa en TSE fue un "cambio de nivel" independiente de la longitud de la oración, mientras que el TB mostró una interacción más compleja donde la brecha con los controles se amplió con oraciones más largas.

Significado y Reivindicaciones

El artículo afirma que la sorpresa derivada de LLM proporciona un marcador escalable y automatizado para las alteraciones del lenguaje en los trastornos psiquiátricos, capturando específicamente desviaciones que no son reducibles a la longitud de la oración, los factores de confusión demográficos o la simple coherencia semántica.

Utilidad Transdiagnóstica: El estudio extiende la utilidad de las métricas de LLM más allá de la esquizofrenia hacia el espectro bipolar, al tiempo que señala la ausencia de desviación significativa en el TDM, lo que respalda un efecto específico del espectro de la psicosis.
Más allá de las Calificaciones Tradicionales: La métrica captura la variación clínicamente relevante (específicamente el TPF) que se solapa con, pero no es idéntica a, las escalas tradicionales calificadas por clínicos. Detecta desviaciones en el habla gramaticalmente fluida pero contextualmente desviada.
Contribución Metodológica: Los autores demuestran que la pérdida de entropía cruzada puede servir como una medida estable de la organización contextual del lenguaje. Destacan que la relación entre la sorpresa y la capacidad verbal es compleja (en forma de U en controles, negativa en pacientes), lo que sugiere que la sorpresa refleja una desviación de una línea base de lenguaje normativa en lugar de un simple índice de declive cognitivo.
Limitaciones y Modestia: Los autores declaran explícitamente que la métrica aún no respalda el uso diagnóstico independiente debido a la modesta precisión de discriminación (AUC ~0.74 para TSE) y a la naturaleza transversal de los datos. Enfatizan que la señal es probablemente una estimación conservadora del límite inferior debido a su estrategia de eliminación de confusión y que el campo requiere más validación con respecto a la escala óptima del modelo, las estrategias de desconfounding y el seguimiento longitudinal para distinguir marcadores de estado frente a rasgos.

En resumen, el artículo posiciona la sorpresa de LLM como una herramienta prometedora, basada en datos, para caracterizar las peculiaridades del habla en los trastornos del espectro de la psicosis, ofreciendo un complemento objetivo a la evaluación clínica, mientras reconoce la necesidad de mayor validación antes de su despliegue clínico.

Planteamiento del Problema

Metodología

Resultados Clave

Significado y Reivindicaciones

Más como este