Un equipo de la Universidad Carlos III lidera SMARTomicS, una herramienta que examina el comportamiento digital, datos clínicos y genéticos para identificar perfiles vulnerables.
Investigadores del Grupo de Teoría de la Señal (GTS), del Departamento de Teoría de la Señal de la Universidad Carlos III de Madrid, están desarrollando un algoritmo de inteligencia artificial destinado a prevenir el suicidio. Este proyecto, denominado SMARTomicS y dirigido por el catedrático Antonio Artés, combina variables médicas, genéticas, ambientales y patrones de uso digital para detectar indicadores tempranos de riesgo y proveer a los profesionales sanitarios con herramientas predictivas más precisas.
El fundamento científico parte de la consideración de que el comportamiento suicida tiene múltiples causas y no cuenta con un indicador único de alerta. Para gestionar esta complejidad, el algoritmo incorpora el análisis del «fenotipo digital», valorando cambios en las rutinas de los usuarios mediante datos obtenidos de aplicaciones y servicios como Google Maps, historial de localización, Gmail, Chrome, Google Fit o YouTube. Variaciones sostenidas en la movilidad, tiempo prolongado en casa, alteraciones en el sueño o patrones inusuales de búsqueda en internet se consideran posibles señales de angustia psicológica.
El proyecto pretende recopilar una muestra de al menos 5.000 sujetos con antecedentes de intentos de suicidio, en colaboración con distintos hospitales y centros de investigación en España. La información digital se cruzará con historiales clínicos, tratamientos farmacológicos, perfiles genéticos y factores sociales. La recogida de estos datos está sujeta al consentimiento explícito de los pacientes y se realiza bajo estrictos protocolos de anonimización y pseudonimización para garantizar la privacidad de la información de salud.
El objetivo principal de SMARTomicS es construir un modelo de prevención personalizada que permita identificar estados de vulnerabilidad crítica con anticipación. Además, se evaluará cómo responden distintos pacientes a los tratamientos según sus características biológicas y conductuales, abriendo nuevas posibilidades para aplicar tecnología en la salud mental pública.
