Impacto de la inteligencia artificial en la salud mental de adolescentes y jóvenes: revisión sistemática
Palabras clave:
artificial intelligence; mental health; adolescents; machine learning; chatbots; PRISMA.Resumen
Introducción: los trastornos mentales afectan entre el 10 % y 20 % de los adolescentes y jóvenes, de manera que constituyen una prioridad sanitaria mundial. En este contexto, la inteligencia artificial se perfila como una herramienta prometedora para reducir las brechas en detección, diagnóstico e intervención en salud mental.
Objetivo: sintetizar la evidencia disponible sobre el impacto de las aplicaciones de inteligencia artificial en la salud mental de adolescentes y jóvenes.
Métodos: se realizó una revisión sistemática conforme a las directrices PRISMA 2020 en PubMed, PsycINFO, Cochrane Library, CINAHL, Embase, Web of Science, Scopus, IEEE Xplore y Google Scholar. Para ello, se incluyeron estudios publicados entre enero de 2010 y julio de 2025, mientras dos revisores independientes efectuaron la selección, extracción de datos y evaluación de la calidad metodológica.
Resultados: de 3742 registros identificados, 62 cumplieron los criterios de inclusión. Las aplicaciones se clasificaron en chatbots y agentes conversacionales para intervención terapéutica (n=31), modelos de aprendizaje automático para predicción de riesgo y diagnóstico (n=24), y procesamiento del lenguaje natural para detectar síntomas (n=7). En este sentido, los chatbots produjeron efectos pequeños a moderados en la reducción de problemas de salud mental (DME: -0,35; IC 95 %: -0,46 a -0,24), con mejoras significativas en depresión (DME: -0,43) y ansiedad (DME: -0,37). Los modelos de aprendizaje automático mostraron capacidad predictiva prometedora para conductas suicidas (AUC: 0,79‑0,84).
Conclusiones: la inteligencia artificial puede favorecer la intervención temprana y la predicción de riesgos, pero la evidencia aún es insuficiente para recomendar su implementación clínica generalizada.
Descargas
Citas
1. Organización Mundial de la Salud. La salud mental de los adolescentes [Internet]. Ginebra: OMS; 2025 [citado 31 de agosto de 2026]. Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/adolescent-mental-health
2. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021; 372:n71. doi: 10.1136/bmj.n71
3. Feng X, Tian L, Ho GWK, Yorke J, Hui V. The Effectiveness of AI Chatbots in Alleviating Mental Distress and Promoting Health Behaviors Among Adolescents and Young Adults: Systematic Review and Meta-Analysis. J Med Internet Res. 2025; 27: e79850. doi: 10.2196/79850
4. Liu L, Li Z, Hu Y, Li C, He S, Zhang S, et al. Predictive Performance of Machine Learning for Suicide in Adolescents: Systematic Review and Meta-Analysis. J Med Internet Res. 2025; 27: e73052. doi: 10.2196/73052.
5. Saputra R, Rizki Hayati I, Lidyawati Y, Oktasari M, Noviza N. Ai-based interventions for adolescent mental health: a systematic review. J Behav Cogn Ther. 2026; 36(4). doi: 10.1016/j.jbct.2026.100595
6. Torous J, Bucci S, Bell IH, Kessing LV, Faurholt-Jepsen M, Whelan P, et al. The growing field of digital psychiatry: current evidence and the future of apps, social media, chatbots, and virtual reality. World Psychiatry. 2021; 20(3): 318-335. doi: 10.1002/wps.20883.
7. Fiske A, Henningsen P, Buyx A. Your robot therapist will see you now: ethical implications of embodied artificial intelligence in psychiatry, psychology, and psychotherapy. J Med Internet Res. 2019; 21(5): e13216. doi: 10.2196/13216
8. Kessler RC, Berglund P, Demler O, Jin R, Merikangas KR, Walters EE. Lifetime prevalence and age-of-onset distributions of DSM-IV disorders in the National Comorbidity Survey Replication. Arch Gen Psychiatry. 2005; 62(6): 593-602. doi: 10.1001/archpsyc.62.6.593
9. Organización Mundial de la Salud. Suicidio [Internet]. Ginebra: OMS; 2025 [citado 31 de agosto de 2026]. Disponible en: https://www.who.int/es/news-room/fact-sheets/detail/suicide
10. Casey BJ, Jones RM, Hare TA. The adolescent brain. Ann N Y Acad Sci. 2008; 1124: 111-26. doi: 10.1196/annals.1440.010
11. Keles B, McCrae N, Grealish A. A systematic review: the influence of social media on depression, anxiety and psychological distress in adolescents. Int J Adolesc Youth. 2020; 25(1): 79-93. doi: 10.1080/02673843.2019.1590851
12. McGorry PD, Mei C. Early intervention in youth mental health: progress and future directions. Evid Based Ment Health. 2018;21(4):182-4. doi: 10.1136/ebmental-2018-300060
13. Thornicroft G, Chatterjee S, Evans-Lacko S, Gruber M, Sampson N, Aguilar-Gaxiola S, et al. Undertreatment of people with major depressive disorder in 21 countries. Br J Psychiatry. 2017; 210(2): 119-24. doi: 10.1192/bjp.bp.116.188078
14. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019; 25(1): 44-56. doi: 10.1038/s41591-018-0300-7
15. Shatte ABR, Hutchinson DM, Teague SJ. Machine learning in mental health: a scoping review of methods and applications. Psychol Med. 2019; 49(9): 1426-48. doi: 10.1017/S0033291719000151
16. UNICEF. Estado mundial de la infancia 2023: Por cada niño, vacunas [Internet]. Nueva York: UNICEF; 2023 [citado 31 de agosto de 2026]. Disponible en: https://www.unicef.org/es/informes/estado-mundial-de-la-infancia-2023
17. Odgers CL, Jensen MR. Annual Research Review: Adolescent mental health in the digital age: facts, fears, and future directions. J Child Psychol Psychiatry. 2020; 61(3): 336-48. doi: 10.1111/jcpp.13190
18. Blease C, Locher C, Leon-Carlyle M, Doraiswamy PM. Artificial intelligence and the future of psychiatry: qualitative findings from a global physician survey. Digit Health. 2020; 6: 2055207620968355. doi: 10.1177/2055207620968355
19. Graham S, Depp C, Lee EE, Nebeker C, Tu X, Kim HC, et al. Artificial intelligence for mental health and mental illnesses: an overview. Curr Psychiatry Rep. 2019; 21(11): 116. doi: 10.1007/s11920-019-1094-0
20. Bzdok D, Meyer-Lindenberg A. Machine learning for precision psychiatry: opportunities and challenges. Biol Psychiatry Cogn Neurosci Neuroimaging. 2018; 3(3): 223-30. doi: 10.1016/j.bpsc.2017.11.007
21. Sterne JAC, Savović J, Page MJ, Elbers RG, Blencowe NS, Boutron I, et al. RoB 2: a revised tool for assessing risk of bias in randomised trials. BMJ. 2019; 366: l4898. doi: 10.1136/bmj.l4898
22. Moons KGM, Wolff RF, Riley RD, Whiting PF, Westwood M, Collins GS, et al. PROBAST: A Tool to Assess Risk of Bias and Applicability of Prediction Model Studies. Ann Intern Med. 2019; 170(1): W1-W33. doi: 10.7326/M18-1376
23. Hong QN, Fàbregues S, Bartlett G, Boardman F, Cargo M, Dagenais P, et al. The Mixed Methods Appraisal Tool (MMAT) version 2018 for information professionals and researchers. Educ Inf. 2018; 34(4): 285-91. doi: 10.3233/EFI-180221
24. Guyatt GH, Oxman AD, Vist GE, Kunz R, Falck-Ytter Y, Alonso-Coello P, et al. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008; 336(7650): 924-6. doi: 10.1136/bmj.39489.470347.AD
25. Li J, Li Y, Hu Y, Ma DCF, Mei X, Chan EA, et al. Chatbot-Delivered Interventions for Improving Mental Health Among Young People: A Systematic Review and Meta-Analysis. Worldviews Evid Based Nurs. 2025; 22(4): e70059. doi: 10.1111/wvn.70059
26. Al-Juhani A, Desoky R, Iskander Z, Alotaibi RM, Alzain NN, Aljohani N, et al. Machine Learning Models for Predicting Mental Health Crises in Adolescents Using Electronic Health Records: A Systematic Review. Cureus. 2025; 17(8): e89873. doi: 10.7759/cureus.89873
27. Ibrahim ST, Li M, Patel J, Katapally TR. Utilizing natural language processing for precision prevention of mental health disorders among youth: A systematic review. Comput Biol Med. 2025; 188:109859. doi: 10.1016/j.compbiomed.2025.109859
28. Sharma G, Yaffe MJ, Ghadiri P, Gandhi R, Pinkham L, Gore G, et al. Use of Artificial Intelligence in Adolescents' Mental Health Care: Systematic Scoping Review of Current Applications and Future Directions. JMIR Ment Health. 2025; 12:e70438. doi: 10.2196/70438
29. Liang L, Lu X, Jiao D, Xiao B, Shan F, Zhang R, et al. Application and effectiveness of artificial intelligence in adolescent mental health support and therapy: a scoping review. BMC Psychiatry. 2026; 26(1):550. doi: 10.1186/s12888-026-08190-y
30. Doheir MM, Yaacob NM, Al-Andoni MN, et al. AI-Enabled and Comparator Digital Interventions for Adolescent Mental Health (2020-2025): Early Detection, Human-AI Collaboration, and Ethical Governance-A PRISMA-ScR Scoping Review. Front Child Adolesc Psychiatry. 2026. doi:10.3389/frcha.2026.1905782
31. Feng Y, Hang Y, Wu W, Song X, Xiao X, Dong F, et al. Effectiveness of AI-Driven Conversational Agents in Improving Mental Health Among Young People: Systematic Review and Meta-Analysis. J Med Internet Res. 2025; 27:e69639. doi: 10.2196/69639
32. Wu Y, Wu T, Zhu K, Liu X, Liu J, Wang Y, et al. The Impact of Chatbots on Adolescent Mental Health Development: A Comprehensive Literature Review. J Multidiscip Healthc. 2026; 19:e579872. doi: 10.2147/JMDH.S579872
33. Bischops AC, Kavanaugh JR, Bickham DS. Clinical implementation of artificial intelligence in adolescent mental healthcare. Curr Opin Pediatr. 2026; 38(4):374-81. doi: 10.1097/MOP.0000000000001584
34. Hong S, Walton B, Kim HW. AI in Youth Mental Health: From Evidence to Practice. Children. [internet]. 2026[citado 31 de agosto de 2026];13(7):967. Disponible en: https://www.mdpi.com/journal/children/special_issues/04R6Y690J0
35. Weare K, Nind M. Mental health promotion and problem prevention in schools: what does the evidence say? Health Promot Int. 2011; 26(suppl 1):i29-i69. doi: 10.1093/heapro/dar075
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Rolando Rodríguez Puga, Yoánderson Pérez Díaz, Orisel del Carmen Rodríguez Abalo, Cristian Rojas Villa, Phillip Ormeño Vásquez, Bertha Karina Pérez Cardero
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
