SESIONES CIENTÍFICAS

Antecedentes: El suicidio causa más de 720.000 muertes anuales mundialmente. Los métodos tradicionales de evaluación de riesgo presentan limitaciones para la detección temprana. El aprendizaje automático surge como herramienta prometedora para mejorar la predicción de conductas suicidas y autolesivas.
Objetivo: Desarrollar y validar modelos predictivos basados en aprendizaje automático para identificar individuos con riesgo elevado de pensamientos suicidas y conductas autolesivas, priorizando interpretabilidad y generalización.

Métodos: Se realizaron dos estudios. El primero (MINDCOVID) analizó 8.996 profesionales sanitarios españoles durante COVID-19 para predecir ideación suicida. El segundo (CSRC-Epi) empleó registros sanitarios de pacientes con hospitalización psiquiátrica en Cataluña (2015-2018) para predecir autolesiones post-hospitalización.
Resultados: El modelo de ideación suicida alcanzó AUCROC=0,87 y AUCPR=0,52, identificando como predictores: ideación suicida previa, ataques de pánico, pensamientos intrusivos y factores pandémicos, con diferencias de género. Los modelos de autolesión obtuvieron AUCROC=0,76-0,82 y AUCPR 5-7 veces superior al azar, destacando: episodio depresivo, trastorno de adaptación, esquizofrenia, autolesiones previas y uso de ISRS/antipsicóticos. Los modelos demostraron buena generalización temporal y entre subgrupos.

Conclusiones: El aprendizaje automático constituye un enfoque prometedor para predecir conductas suicidas en poblaciones vulnerables, ofreciendo herramientas interpretables aplicables en prevención y apoyo a decisiones clínicas y de salud pública.