Entre una sesión y la siguiente pasa mucho tiempo en el que no tenemos acceso directo a lo que le sucede al paciente. Habitualmente reconstruimos esos días a través del relato, con todas las limitaciones que eso implica: sesgos de memoria, deseabilidad social, dificultad para poner en palabras estados afectivos sutiles. El digital phenotyping —el uso de datos pasivos generados por el smartphone (movilidad, patrones de uso de pantalla, frecuencia de comunicación, ritmos de actividad) para inferir estados mentales— propone una vía complementaria para acortar esa brecha informativa.
No se trata de una app que el paciente completa activamente, como sucede con el registro conductual con autorregistro, sino de sensores que recolectan información de fondo mientras la persona usa su teléfono con normalidad. La promesa es contar con indicadores continuos y objetivos que ayuden a detectar cambios sintomáticos entre encuentros clínicos, sin sumar carga al paciente.
En este artículo revisamos qué tipo de datos se utilizan, qué evidencia sistemática existe hasta ahora, qué aplicaciones tienen sentido en la práctica clínica actual y qué límites —metodológicos, éticos y legales— conviene tener presentes antes de sumar estas herramientas al proceso terapéutico.
Qué es el digital phenotyping
El término fue propuesto para describir la caracterización momento a momento del fenotipo humano (comportamiento, cognición, estado de ánimo) a partir de datos recogidos de forma pasiva por dispositivos personales, principalmente smartphones y wearables. A diferencia del ecological momentary assessment tradicional, que requiere que el usuario responda encuestas breves varias veces al día, el digital phenotyping se apoya en sensores que operan sin intervención activa: GPS, acelerómetro, registro de llamadas y mensajes, tiempo de pantalla encendida, patrones de tipeo, entre otros.
Una revisión sistemática reciente sintetizó el estado de esta línea de investigación y describió cómo distintos patrones de uso de dispositivos, movilidad y comunicación se asocian a cambios sintomáticos en diversos trastornos mentales (Bufano et al., 2023). El interés clínico es evidente: si ciertos patrones digitales se correlacionan de forma consistente con empeoramiento o mejoría sintomática, podrían funcionar como señales de alerta temprana entre sesiones.
Qué datos se recolectan y qué señales clínicas ofrecen
Movilidad y geolocalización
Los datos de GPS permiten estimar el radio de desplazamiento diario, el tiempo pasado en el domicilio y la variabilidad de rutinas. Una reducción sostenida de la movilidad se ha asociado en varios estudios con síntomas depresivos, en línea con la retracción conductual característica de estos cuadros.
Uso de pantalla y patrones de comunicación
La frecuencia y duración de uso del teléfono, la cantidad de llamadas y mensajes enviados/recibidos, y los horarios de actividad digital funcionan como proxies de interacción social y de ritmos circadianos. Una revisión centrada específicamente en estrés, ansiedad y depresión leve encontró que estos indicadores pueden predecir y monitorear fluctuaciones sintomáticas entre consultas clínicas (Choi et al., 2024).
Ritmos de actividad y sueño
Combinando acelerómetro con datos de uso nocturno del dispositivo se pueden aproximar patrones de sueño-vigilia. Esta información es especialmente relevante en trastornos donde la desregulación circadiana es un componente central, y puede complementar protocolos como los de TCC-I con comorbilidad ansiosa/depresiva, donde el seguimiento del sueño entre sesiones es parte del tratamiento.
Qué muestra la evidencia disponible
Una revisión sistemática sobre sensado pasivo mediante smartphones concluyó que esta tecnología es viable para el monitoreo continuo de salud y bienestar, incluyendo aplicaciones en salud mental, sin requerir esfuerzo activo sostenido del usuario (Cornet & Holden, 2018). Esto es clínicamente relevante porque uno de los mayores obstáculos del autorregistro tradicional es la adherencia: los pacientes suelen abandonar los registros activos después de algunos días.
Más recientemente, un trabajo orientado a identificar las características (features) más utilizadas en digital phenotyping propuso un marco de estandarización para futuras investigaciones, dado que hasta ahora cada estudio suele definir y extraer sus propios indicadores de manera distinta (Jung et al., 2025). Esta falta de consenso metodológico es uno de los principales frenos para que la tecnología pase de la investigación a la práctica clínica generalizada.
En el contexto específico de poblaciones universitarias, una revisión clínica mostró cómo el monitoreo pasivo entre sesiones puede complementar la atención tradicional en salud mental, aunque señaló que la evidencia sobre eficacia clínica a largo plazo sigue siendo escasa (Melcher, Hays & Torous, 2020).
Aplicaciones clínicas entre sesiones
Pensado como complemento —nunca como sustituto— del criterio clínico, el digital phenotyping podría aportar en varios frentes:
- Detección temprana de cambios sintomáticos: alertar sobre retracción conductual, alteración del sueño o disminución del contacto social antes de que el paciente lo verbalice espontáneamente.
- Enriquecimiento de la anamnesis entre sesiones: ofrecer datos objetivos que complementen el relato subjetivo, de forma similar a como la retroalimentación con ORS y SRS aporta información sistemática sobre el proceso terapéutico.
- Personalización de intervenciones: ajustar la frecuencia de contacto o el tipo de tarea entre sesiones según patrones detectados, siempre con la validación clínica correspondiente.
Es importante remarcar que ninguna de las revisiones disponibles avala el uso de estos datos como herramienta diagnóstica autónoma. Se trata de señales que requieren interpretación clínica contextualizada, nunca de un algoritmo que reemplace la entrevista.
Limitaciones y desafíos metodológicos
Las revisiones sistemáticas coinciden en varios puntos débiles que conviene tener presentes antes de entusiasmarse con esta tecnología:
- Heterogeneidad metodológica entre estudios y falta de estandarización en las métricas digitales utilizadas (Bufano et al., 2023).
- Predominio de estudios piloto con muestras reducidas y variabilidad en la validez de los sensores según el dispositivo (Cornet & Holden, 2018).
- Diseños heterogéneos, periodos de seguimiento cortos y limitada generalización a poblaciones clínicas con sintomatología severa (Choi et al., 2024).
- Ausencia de consenso en la definición de biomarcadores digitales y variabilidad en los algoritmos de extracción de características (Jung et al., 2025).
- Evidencia clínica de eficacia a largo plazo todavía escasa, con foco predominante en poblaciones jóvenes y universitarias (Melcher et al., 2020).
En conjunto, esto significa que el digital phenotyping es un campo prometedor pero todavía en construcción, sin herramientas validadas de uso masivo y estandarizado en la clínica hispanohablante.
Consideraciones éticas y legales en Argentina
Incorporar datos pasivos del smartphone al proceso terapéutico implica manejar información sensible sobre ubicación, hábitos y comunicaciones del paciente. Esto activa directamente las obligaciones de protección de datos personales y secreto profesional que ya rigen para cualquier historia clínica digital. Antes de proponer este tipo de monitoreo conviene revisar cómo se garantiza el consentimiento informado, el almacenamiento seguro y la finalidad específica del uso de esos datos, en línea con lo que desarrollamos en Ley 25.326 y secreto profesional.
También es relevante distinguir el digital phenotyping de otras herramientas digitales que ya se usan entre sesiones, como los chatbots terapéuticos: mientras estos últimos interactúan activamente con el paciente, el sensado pasivo opera de forma silenciosa, lo que exige un cuidado adicional en la transparencia sobre qué se recolecta y con qué propósito.
Cómo empezar a integrarlo en la práctica clínica
Para quienes quieran explorar esta línea sin comprometer la calidad clínica ni la seguridad de los datos, algunas recomendaciones generales:
- Priorizar aplicaciones o plataformas con políticas claras de privacidad y almacenamiento local o cifrado de datos.
- Usar los datos pasivos como disparadores de conversación en sesión, no como conclusiones cerradas sobre el estado del paciente.
- Explicitar en el consentimiento informado qué se recolecta, con qué frecuencia y quién tiene acceso a esa información.
- Mantener el criterio clínico como eje de cualquier decisión terapéutica, tratando los indicadores digitales como un dato más entre varios.
- Actualizarse periódicamente, dado que se trata de un campo con desarrollo metodológico activo y todavía sin consenso sobre biomarcadores estandarizados.
Conclusiones
El digital phenotyping abre una ventana interesante para monitorear síntomas entre sesiones a partir de datos que el paciente genera sin esfuerzo adicional. La evidencia sistemática disponible respalda su viabilidad técnica y sugiere asociaciones prometedoras entre patrones digitales y fluctuaciones sintomáticas, particularmente en depresión, ansiedad y estrés. Sin embargo, la heterogeneidad metodológica, la falta de estandarización de biomarcadores y la escasa evidencia sobre eficacia clínica a largo plazo indican que todavía no estamos ante una herramienta lista para uso diagnóstico rutinario. Su lugar actual es el de un complemento informativo, que exige cuidado ético y legal riguroso en el manejo de datos sensibles, y que en ningún caso reemplaza el juicio clínico ni la relación terapéutica.
Preguntas frecuentes
¿El digital phenotyping puede usarse para diagnosticar a un paciente?
No. La evidencia actual lo posiciona como una herramienta de monitoreo complementario, no como instrumento diagnóstico. Las decisiones clínicas deben seguir basándose en la evaluación integral del profesional.
¿Qué diferencia hay entre digital phenotyping y las apps de autorregistro tradicionales?
El autorregistro requiere que el paciente complete activamente encuestas o diarios; el digital phenotyping recolecta datos pasivos (movilidad, uso de pantalla, comunicación) sin intervención directa del usuario, lo que reduce la carga pero también limita el control del paciente sobre qué se registra.
¿Es legal usar estos datos en un consultorio en Argentina?
Es posible, pero requiere cumplir con la normativa de protección de datos personales y secreto profesional vigente, incluyendo consentimiento informado explícito y medidas adecuadas de almacenamiento y confidencialidad.
¿Existen herramientas validadas y listas para usar en consultorio?
Aún no hay consenso sobre biomarcadores digitales estandarizados ni herramientas de uso masivo validadas en poblaciones clínicas amplias. La mayoría de los estudios corresponden a proyectos de investigación o pilotos.
Referencias
- Bufano, P., Laurino, M., Said, S., Tognetti, A., & Menicucci, D. (2023). Digital Phenotyping for Monitoring Mental Disorders: Systematic Review. Journal of Medical Internet Research. https://doi.org/10.2196/46778
- Cornet, V. P., & Holden, R. J. (2018). Systematic review of smartphone-based passive sensing for health and wellbeing. Journal of Biomedical Informatics. https://doi.org/10.1016/j.jbi.2017.12.008
- Choi, A., Ooi, A., & Lottridge, D. (2024). Digital Phenotyping for Stress, Anxiety, and Mild Depression: Systematic Literature Review. JMIR mHealth and uHealth. https://doi.org/10.2196/40689
- Jung, H. W., Kim, D. Y., Lee, I., Kim, O., Lee, S., Lee, S., Chung, U. S., Kim, J. H., Kim, S., Kim, J. W., Shin, A. L., & Lee, J. J. (2025). Key Features of Digital Phenotyping for Monitoring Mental Disorders: Systematic Review. Journal of Medical Internet Research. https://doi.org/10.2196/77331
- Melcher, J., Hays, R., & Torous, J. (2020). Digital phenotyping for mental health of college students: a clinical review. Evidence-Based Mental Health. https://doi.org/10.1136/ebmental-2020-300180
