Un chatbot puede responder sobre la depresión en la vejez. Un estudio midió cuántas veces esa respuesta sería segura.

Tres modelos de lenguaje contestaron 90 preguntas escritas por investigadores. Ninguno fue del todo fiable cuando la situación era urgente.

Un equipo de investigadores de China puso a prueba tres programas conversacionales de uso público —ChatGPT, Gemini y Doubao— con 90 preguntas sobre depresión en personas mayores. Las preguntas eran de tres niveles de riesgo: bajo, medio y alto. Dos psiquiatras evaluaron cada respuesta sin saber qué programa la había escrito, comparándola con un estándar clínico definido de antemano para cada pregunta. El estudio se publicó en la revista Frontiers in Psychiatry y sus autores trabajan en universidades y hospitales de China. Los autores declararon no haber recibido financiamiento para este trabajo ni tener relaciones comerciales que pudieran sesgarlo.

El resultado principal: ChatGPT dio una respuesta clínicamente aceptable en 78.9% de las preguntas, Gemini en 72.2% y Doubao en 60.0%¹. La diferencia entre ChatGPT y Gemini no fue estadísticamente significativa; ambos superaron a Doubao. Los errores graves de seguridad aparecieron en 5.6% de las respuestas de ChatGPT, 10.0% de Gemini y 16.7% de Doubao².

La adecuación geriátrica completa —es decir, haber tomado en cuenta todos los factores propios de la vejez que la pregunta exigía— se logró en 64.4%, 55.6% y 43.3% de las respuestas, respectivamente³. Cuando los investigadores repitieron 30 preguntas en conversaciones nuevas, la coherencia clínica entre una respuesta y otra fue de 90.0% para ChatGPT, 83.3% para Gemini y 73.3% para Doubao⁴. En los casos de crisis, los elementos que más se omitieron fueron decir que la persona mayor no debe quedarse sola e involucrar explícitamente a un familiar o cuidador de confianza⁵.

Hay que leer estos números con cuidado. Las 90 preguntas las redactaron los investigadores, no las hicieron personas mayores reales ni sus cuidadores en una consulta⁶. Todas estaban en inglés⁷. Cada programa se probó a través de una sola versión pública de su aplicación, en julio de 2026. El estudio no midió qué entendería o haría una persona real ante esas respuestas, ni probó si hacer preguntas de seguimiento mejora el resultado. Tampoco es una muestra representativa de lo que la gente pregunta en la vida diaria: fue una prueba de esfuerzo, con los tres niveles de riesgo repartidos por igual a propósito.

¿Qué son estos programas? Los modelos de lenguaje de uso general se han vuelto una fuente cada vez más común de información de salud conversacional⁸. A diferencia de un buscador, no devuelven una lista de enlaces: generan una respuesta directa que puede sonar individualizada, coherente y con autoridad clínica⁸. Una persona mayor o un hijo puede preguntarles si un síntoma es depresión, si conviene suspender un medicamento, si el olvido es parte del envejecimiento normal o con qué urgencia hace falta ayuda profesional⁹. Es exactamente el tipo de pregunta en la que uno quiere una respuesta clara. Y es exactamente donde una respuesta clara puede estar equivocada.

El peso de fondo: la depresión en la vejez es una causa importante de discapacidad, dependencia funcional y pérdida de calidad de vida¹⁰. Y a pesar de eso, sigue siendo con frecuencia mal reconocida y mal tratada¹¹. Ahí está la tentación del atajo: si el sistema de salud tarda o queda lejos, un chatbot responde al instante. El problema es que estos modelos no distinguen bien cuándo un síntoma depresivo es solo eso y cuándo es la punta de algo urgente.

Los propios autores piden prudencia. Dicen que, hasta que estas capacidades se demuestren de forma consistente en distintas versiones, idiomas y entornos reales, la supervisión de un clínico debe seguir siendo central en el uso de modelos de lenguaje para la depresión en la vejez¹². Es decir: el estudio no dice que estos programas sirvan para decidir, sino que midió cuánto fallan cuando se los usa sin supervisión.

Así lo leemos nosotros. Una voz que suena segura y ordenada invita a dejar de preguntar. Si un chatbot responde con calma que los olvidos acompañan a la depresión, o que hay que esperar a que el antidepresivo haga efecto, es fácil quedarse ahí, sobre todo cuando la alternativa es conseguir una consulta. Lo que esperamos ver en las casas es justamente eso: respuestas tranquilizadoras aceptadas sin contraste, precisamente porque suenan bien. Nos equivocaríamos si las familias, después de leer una respuesta así, igual llamaran al médico, pidieran otra opinión o compararan con otra fuente antes de decidir.

Y hay un segundo patrón que conviene tener presente. Aceptar lo que ya viene masticado cuesta menos que revisarlo. Por eso es probable que, ante una respuesta sobre ánimo o memoria, nadie note lo que falta: el riesgo de caídas, la mezcla de medicamentos, la necesidad de que alguien acompañe. Si eso no ocurre —si la gente revisa la respuesta buscando lo que no dice, o le pide a otro que la lea antes de actuar—, entonces este patrón no aplica. Lo que usted puede hacer con esto es concreto: lea la respuesta preguntándose qué no mencionó. Caídas, confusión, medicamentos, soledad, falta de apetito. Si no aparecen, esa ausencia es la señal. Y si la respuesta suena demasiado tranquila ante un cambio repentino, insista en una evaluación real.

Una última cosa que conviene saber, porque no depende de usted. Estos programas no son autónomos: dependen de personas que los diseñan y los ajustan, y pueden contestar distinto la misma pregunta en momentos distintos. Por eso, si una respuesta sobre salud le parece importante, vuelva a preguntar lo mismo otro día y compare. Si la urgencia o el consejo cambian, quédese con la versión más prudente y consulte a un profesional.

¿Qué haría falta para que esto cambie? Los autores piden que las evaluaciones futuras se hagan con preguntas reales, en más idiomas, en más versiones y en entornos clínicos verdaderos, y que midan no solo si la información es correcta sino si la urgencia recomendada es la adecuada¹². También habría que comprobar si la respuesta de un chatbot cambia lo que una persona entiende y hace. Nada de eso se midió aquí.

Nadie puede saltarse, retrasar ni reemplazar una consulta por lo que diga una aplicación. Lo que este estudio deja en sus manos es una costumbre simple: cuando un chatbot le responda sobre ánimo, memoria o medicamentos en una persona mayor, léalo buscando lo que no dice, y llévelo a la consulta como punto de partida. ¿Qué le faltó mencionar a esa respuesta?