Inteligencia artificial para la detección y predicción de la depresión posparto: revisión de alcance

Área de la Ciencia:

• Informática médica; Psiquiatría computacional; Aprendizaje automático en la atención médica

Sus antecedentes:

• La depresión posparto (DPP) afecta a una porción significativa de madres a nivel mundial, lo que requiere mejores métodos de detección temprana. Las herramientas de detección existentes para la DPP a menudo carecen de escalabilidad y precisión predictiva. La inteligencia artificial (IA), que abarca el aprendizaje automático, el aprendizaje profundo y el procesamiento del lenguaje natural, ofrece capacidades mejoradas para identificar con precisión a las madres en riesgo de DPP.

Objetivo del estudio:

• Mapear y analizar sistemáticamente la literatura existente sobre métodos basados en inteligencia artificial (IA) para la detección y predicción de la depresión posparto (DPP).

Principales métodos:

• Se realizó una revisión de alcance integral siguiendo las directrices PRISMA-ScR. Se buscaron sistemáticamente estudios empíricos que utilizaran IA para la detección o predicción de la DPP en ocho bases de datos importantes. La extracción de datos se centró en las características del estudio, los modelos de IA, las fuentes de datos, el preprocesamiento, la validación y las métricas de rendimiento, seguidas de una síntesis narrativa.

Principales resultados:

• 65 estudios cumplieron los criterios de inclusión, la mayoría de los Estados Unidos y publicados en 2024. Los modelos de IA se utilizaron predominantemente para la predicción de la DPP (80%) sobre la detección (22%), siendo los datos sociodemográficos, psicológicos y obstétricos las principales entradas. El aprendizaje automático, en particular los modelos de mejora basados en conjuntos, mostraron un rendimiento superior, aunque a los estudios a menudo les faltó validación externa y presentación de informes estandarizada.

Conclusiones:

• La revisión destaca el dominio del aprendizaje automático clásico en la investigación de la DPP impulsada por la IA. Hay una adopción limitada de aprendizaje profundo y técnicas avanzadas de preprocesamiento, junto con estrategias de validación inconsistentes. La investigación futura debería abordar limitaciones como los tamaños de muestra pequeños, el sesgo geográfico y la necesidad de enfoques de datos estandarizados y multimodales para una predicción más confiable de la DPP.