La tecnología cada vez es más común en distintos ámbitos de la vida pero todavía hay diversas dudas sobre su rendimiento. Con esto en mente, el gigante tecnológico OpenAI presentó MentalHealthBench, un nuevo benchmark abierto diseñado específicamente para evaluar las respuestas de los modelos de inteligencia artificial (IA) en conversaciones realistas sobre salud mental.
La herramienta fue desarrollada con la participación de más de 80 psicólogos y psiquiatras certificados originarios de 22 países. El objetivo es analizar no solamente si una respuesta de las plataformas de este tipo contienen información correcta, sino también si el modelo identifica adecuadamente el contexto, protege la seguridad de la persona y respeta su autonomía.
También lee: Los 8 mejores hospitales de especialidades de México en 2026: ¡Todos destacan a nivel mundial!
¿Cómo funciona MentalHealthBench?
De acuerdo con el comunicado oficial, MentalHealthBench es un benchmark de evaluación, es decir, una herramienta que permite medir y comparar el comportamiento de diferentes sistemas de IA frente a situaciones diseñadas para representar conversaciones que pueden ocurrir en el mundo real.
OpenAI señala que muchas evaluaciones anteriores sobre IA y salud mental se habían concentrado principalmente en escenarios de emergencia. Por lo mismo, MentalHealthBench busca ampliar ese enfoque para abarcar un espectro mucho mayor: desde conversaciones cotidianas relacionadas con estrés o relaciones personales hasta situaciones de alta gravedad y emergencias que pueden implicar riesgos inmediatos para la seguridad.
La herramienta utiliza conversaciones sintéticas diseñadas para preservar la privacidad, pero que buscan reproducir patrones de uso reales. Los escenarios incluyen adultos, adolescentes de 13 a 17 años, cuidadores y profesionales de la salud, además de diferentes idiomas, regiones y niveles de gravedad.
COFEPRIS activa la línea telefónica 079: ¿Para qué sirve y quiénes pueden utilizarla?
¿Qué evalúa?
Uno de los principales elementos de MentalHealthBench es que no se limita a determinar si una IA proporciona una respuesta aparentemente correcta. Los expertos establecieron criterios específicos para analizar diferentes comportamientos.
- Seguridad: determinar si el modelo identifica adecuadamente situaciones potencialmente peligrosas.
- Búsqueda de contexto: evaluar si solicita o utiliza la información necesaria antes de responder.
- Respeto por la autonomía: comprobar que la IA apoye la capacidad de decisión de la persona sin intentar sustituirla.
- Orientación práctica: analizar si ofrece pasos útiles cuando la situación lo permite.
- Adecuación de la respuesta: determinar si la recomendación corresponde al nivel de gravedad de la conversación.
Cada conversación fue revisada por al menos tres expertos. Los criterios de evaluación fueron ponderados de acuerdo con su importancia clínica, de modo que determinados comportamientos beneficiosos puedan recibir mayor peso y las respuestas potencialmente perjudiciales sean penalizadas.
ENARM 2026: Estos son los 2 únicos documentos de identidad reconocidos por la CIFRHS
Un enfoque que abarca desde el estrés hasta las emergencias
Una de las ventajas de MentalHealthBench es que permite analizar el comportamiento de una IA en diferentes niveles de necesidad.
Esto resulta relevante porque una conversación sobre estrés cotidiano requiere una respuesta diferente a la que podría necesitar una persona que presenta señales de una crisis de salud mental. Una herramienta de evaluación que únicamente examine escenarios extremos podría dejar fuera numerosos intercambios que ocurren diariamente entre usuarios y sistemas de IA.
De acuerdo con los datos publicados sobre el benchmark, las evaluaciones abarcan conversaciones no agudas, de alta gravedad y de emergencia. Esta amplitud permite estudiar cómo cambia el comportamiento de los modelos conforme aumenta la complejidad o el riesgo de la situación.
¿Por qué puede ser importante para los médicos?
Para los profesionales de la salud, MentalHealthBench puede tener utilidad indirecta pero relevante. A medida que pacientes y población general utilizan herramientas de IA para obtener información sobre síntomas, emociones, tratamientos o decisiones relacionadas con su bienestar, los médicos necesitan conocer cuáles son las capacidades y limitaciones de estos sistemas.
También puede servir para estudiar cuestiones particularmente importantes para la práctica médica, como la capacidad de un modelo para hacer preguntas de seguimiento, interpretar información contextual o reconocer cuándo una situación requiere trasladar al usuario hacia apoyo profesional o recursos de emergencia.
¿Qué sigue para la IA en salud mental?
MentalHealthBench representa un paso hacia una evaluación más específica de los sistemas de inteligencia artificial utilizados en conversaciones relacionadas con salud mental. Su enfoque plantea que el desempeño de una IA no debería medirse únicamente por cuánto conocimiento puede reproducir, sino también por cómo utiliza ese conocimiento cuando enfrenta situaciones humanas complejas.
Para los médicos, esto puede resultar especialmente relevante conforme aumente el uso de herramientas de IA por parte de los pacientes. Conocer cómo son evaluados estos sistemas permitirá entender mejor cuándo pueden funcionar como herramientas complementarias y cuándo resulta indispensable recurrir a la valoración de un profesional.
