El Comité Científico de MetrikaMind ha publicado un nuevo paper titulado
“Enhancing Clinical Psychology Practice through Data-driven Machine Learning Monitoring Systems”, centrado en el uso de sistemas de monitorización clínica basados en datos para apoyar la práctica psicológica.
El trabajo, firmado por Gallardo-Pujol, Trujillo, Domínguez-Álvarez, Martínez, Clapés y Escalera, analiza cómo la integración de modelos psicométricos y algoritmos de machine learning permite avanzar hacia una evaluación continua, objetiva y longitudinal en salud mental.
Frente a los modelos tradicionales basados en observaciones puntuales y autorreporte, el estudio propone un enfoque basado en indicadores dinámicos y análisis evolutivo, capaz de mejorar la detección temprana de cambios clínicos y aportar mayor trazabilidad en la toma de decisiones.
La investigación introduce sistemas de monitorización que:
- Integran datos longitudinales del paciente
- Identifican patrones de evolución clínica
- Generan indicadores predictivos de apoyo al profesional
Todo ello desde un principio clave: apoyar la decisión clínica sin sustituir el juicio del profesional.
Este trabajo refuerza la línea científica de MetrikaMind, orientada al desarrollo de soluciones digitales basadas en evidencia y alineadas con el paradigma Software as a Medical Device (SaMD).
El paper, con DOI disponible, puede consultarse y descargarse en el siguiente enlace.
Acceso a DOI: https://doi.org/10.31219/osf.io/3yefa_v1
