EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

Detección Temprana de Trastorno de Ansiedad Generalizada Mediante un Asistente Virtual: Análisis Predictivo de la Sintomatología Basado en Aprendizaje Automático

Ingrid Angélica García Torres, Oswaldo Orlando Aráuz Arroyo, Maria Katherine Mora Barzola, Maria Fernanda Peñafiel Cox

ASCE MAGAZINE · 27.05.2026 · 5 (2) · 2059-2085

DOI: 10.70577/asce.v5i2.866 ↗

Kurz gefasst

Fachartikel in der Zeitschrift ASCE MAGAZINE, online erschienen am 27.05.2026. Verfasst von Ingrid Angélica García Torres und 3 weiteren Autor:innen. Die Arbeit nennt 11 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Esta investigación nació con el propósito de desarrollar y poner a prueba a "Maya", un asistente virtual diseñado para acompañar la detección temprana del Trastorno de Ansiedad Generalizada (TAG). En este contexto, entendimos la detección temprana no solo como un diagnóstico técnico, sino como la oportunidad vital de identificar señales de alerta y patrones de pensamiento antes de que la ansiedad se volviera abrumadora para el paciente, facilitando así un puente hacia la ayuda profesional. Para dar vida a esta herramienta, unimos la psicología con la tecnología de una manera profunda. Integramos los fundamentos de la Terapia Cognitivo-Conductual (TCC) mediante diálogos que guiaban al usuario a través del cuestionamiento de sus propios pensamientos, actuando como un espacio seguro de autorreflexión digital. Por otro lado, la capacidad de los modelos GPT-3.5 para identificar síntomas no fue una simple coincidencia; se basó en una lógica de análisis semántico capaz de reconocer el "lenguaje de la ansiedad". El modelo logró interpretar marcadores lingüísticos específicos, como la rumiación constante y la tendencia a imaginar escenarios catastróficos, traduciendo estas expresiones naturales en indicadores clínicos claros. El proceso de evaluación fue una experiencia compartida entre la tecnología, una experta en psicología clínica y 50 personas que interactuaron con el asistente. Los resultados fueron sumamente humanos: la escala de usabilidad alcanzó un 84%, reflejando una excelente acogida. Lo más valioso fue que el 96% de los usuarios sintió que sus síntomas fueron comprendidos con exactitud, mientras que el 98% encontró consuelo y guía en las estrategias de manejo sugeridas. En definitiva, "Maya" demostró ser un recurso de apoyo cálido y accesible, enfocado en la educación emocional y el triaje preventivo, siempre con el objetivo de sumar al trabajo del especialista, nunca de reemplazarlo.

Zitieren

APA

Torres, I. A. G., Arroyo, O. O. A., Barzola, M. K. M., & Cox, M. F. P. (2026). Detección Temprana de Trastorno de Ansiedad Generalizada Mediante un Asistente Virtual: Análisis Predictivo de la Sintomatología Basado en Aprendizaje Automático. ASCE MAGAZINE, 5(2), 2059-2085. https://doi.org/10.70577/asce.v5i2.866

Vancouver

Torres IAG, Arroyo OOA, Barzola MKM, Cox MFP. Detección Temprana de Trastorno de Ansiedad Generalizada Mediante un Asistente Virtual: Análisis Predictivo de la Sintomatología Basado en Aprendizaje Automático. ASCE MAGAZINE. 2026;5(2):2059-2085. doi:10.70577/asce.v5i2.866

BibTeX
@article{Torres2026,
  author = {Torres, Ingrid Angélica García and Arroyo, Oswaldo Orlando Aráuz and Barzola, Maria Katherine Mora and Cox, Maria Fernanda Peñafiel},
  title = {Detección Temprana de Trastorno de Ansiedad Generalizada Mediante un Asistente Virtual: Análisis Predictivo de la Sintomatología Basado en Aprendizaje Automático},
  journal = {ASCE MAGAZINE},
  year = {2026},
  volume = {5},
  number = {2},
  pages = {2059--2085},
  doi = {10.70577/asce.v5i2.866}
}
Kostenlos starten →