Uno de los elementos claves de la personalización de los tratamientos es la selección del profesional adecuado para cada paciente. De entre todos los factores que explican el éxito de un proceso de psicoterapia, la denominada “relación terapéutica” explica el 30% de este éxito (Constantino et al., 2021; Lutz et al., 2022). La relación terapéutica hace referencia al tipo de relación de ayuda que se establece entre un paciente y un profesional para resolver el malestar que presenta el paciente. La afinidad personal y el acuerdo sobre objetivos terapéuticos son a su vez los factores que mejor predicen una buena relación terapéutica. 

Existe evidencia bien establecida sobre la existencia de determinados factores en el terapeuta, tales como su experiencia clínica con casos similares, la edad, el género, el estilo terapéutico o incluso la personalidad que es más adecuado para un tipo u otro de pacientes. Sin embargo, a pesar de conocerse determinadas variables en el terapeuta que se combinan exitosamente con determinadas variables del paciente, no existen todavía modelos capaces de emparejar adecuadamente pacientes y profesionales que resulten en la opción con más probabilidades de ser efectiva en cuanto a la relación terapéutica. 

A pesar de disponer de este conocimiento, en la actualidad, los pacientes que llegan por primera vez a un servicio de salud mental son asignados a uno u otro profesional en función de factores arbitrarios como la disponibilidad en la agenda profesional, sin tener en cuenta otras variables relevantes que mejorarían la eficacia terapéutica y adherencia a los tratamientos. En los últimos años, los algoritmos de Inteligencia Artificial (IA) y Machine Learning (ML) han representado una importante innovación en la selección y personalización de tratamientos en salud mental (Aafjes-van Doorn et al., 2021; Schwartz et al., 2021). La IA, a través de su enorme capacidad predictiva, se dibuja como uno de los elementos tecnológicos al servicio de una asignación de pacientes al profesional oportuno basada en datos. De este modo, esta tecnología asistirá al proceso terapéutico desde el inicio del mismo con la constitución de la mejor diada de trabajo disponible en los servicios. Teniendo en cuenta dicha necesidad, surge el proyecto de Match Mind.  

El proyecto de Match Mind supone el desarrollo innovador de un sistema que nos permita emparejar pacientes y profesionales para mejorar los resultados derivados del proceso terapéutico. Dicho sistema utilizará variables clínicas y demográficas del paciente, junto con el estilo terapéutico, la personalidad, el área de experiencia, así como otras variables de los profesionales con el objetivo de asignar a cada paciente el profesional más adecuado.  

Para ello, hemos desarrollado dos protocolos de evaluación (uno para pacientes y otro para profesionales) donde se evaluarán las variables más relevantes para la selección del profesional. La información recogida por dichos protocolos alimentará un algoritmo de personalización, encargado de emparejar pacientes y profesionales en base a sus datos. Todo lo anterior estará integrado en un software, donde se presentarán de forma sencilla y atractiva la decisión del algoritmo y los motivos de la misma. Finalmente, la información recogida por el sistema se irá almacenando para entrenar el futuro algoritmo de Inteligencia Artificial que se desarrollará en fases posteriores. Con este algoritmo supervisado se podrán realizar predicciones más complejas sobre la personalización de tratamientos en diferentes problemas de salud mental. 

La hipótesis central del proyecto es que emparejar de forma óptima pacientes y profesionales en base a variables clínicas mejorará los niveles de satisfacción, la adherencia al tratamiento, la alianza terapéutica y la motivación para el cambio, lo que en última instancia mejorará la eficacia terapéutica. 

Los objetivos específicos de esta primera fase del proyecto y estado actual de los mismos:  

1. Desarrollo de un protocolo de medidas para los pacientes que recoja información clave para emparejarlos con el terapeuta más adecuado: Dichos protocolos han sido desarrollados teniendo en cuenta la revisión de la literatura y los resultados de los focus groups realizados en Ita Previ Valencia.  

2. Desarrollo de un protocolo de medidas para profesionales que recoja información clave para emparejarlos con los pacientes adecuados: Dichos protocolos han sido desarrollados teniendo en cuenta la revisión de la literatura y los resultados de los focus groups realizados en Ita Previ Valencia.  

3. Desarrollo de un primer algoritmo supervisado de emparejamiento (ej. árboles de decisión, Random forest, SVM, XGBoost, etc.) que permita vincular la información proveniente de pacientes y profesionales para realizar recomendaciones sobre la asignación paciente-profesional: Se ha desarrollado un algoritmo que nos permite vincular la información de los protocolos previos y recomendar  al/la directora/a del centro la mejor asignación de profesional posible para el paciente.  

4. Desarrollo de un software que integre los protocolos de evaluación de pacientes y profesionales, así como una visualización clara de las recomendaciones realizadas por el algoritmo y las razones de las mismas. Dicho software incluirá un dashboard para pacientes, profesionales y administradores de las clínicas: El software se encuentra en este momento en proceso de desarrollo. Previamente al desarrollo de dicho software también se han realizado focus groups, tanto con pacientes, terapeutas y directoras de Ita.  

5. Realizar un estudio piloto para evaluar la aplicabilidad y eficacia del sistema desarrollado: Se está realizando un estudio piloto en los centros de adultos de Ita en comunidad valenciana. En este momento, 30 pacientes han sido incluidos en el estudio. Dichos pacientes y los psicólogos de estos centros han sido evaluados mediante el protocolo de evaluación desarrollado en este proyecto. Los pacientes han sido asignados teniendo en cuenta la recomendación del algoritmo desarrollado. En este momento, se va a proceder a evaluar el éxito del proyecto, teniendo en cuenta la satisfacción con el servicio, la adherencia al tratamiento, la alianza terapéutica, motivación para el cambio y la eficacia clínica.  

Una vez analizados los resultados de este proyecto, si estos son los esperables, muchos podrían verse beneficiados por el mismo:  

1. Pacientes y usuarios de ITA: El software beneficiaría a los pacientes de ITA proporcionándoles un proceso ágil y eficiente para la asignación de sus psicoterapeutas. Esto mejoraría los resultados terapéuticos, haciendo el proceso más eficaz y satisfactorio. 

2. Profesionales de ITA Salud Mental: Los profesionales de ITA, tanto psicoterapeutas como gestores, se beneficiarían del software al tener acceso a un sistema automatizado para la asignación de pacientes. La aplicación del proyecto ahorraría tiempo y esfuerzo en la asignación manual de pacientes a los terapeutas, lo que permitiría a los profesionales centrarse en ofrecer una atención de alta calidad a sus pacientes. 

3. Familiares y entorno social de los pacientes: Los familiares y el entorno social de los pacientes se beneficiarían del software al tener sus seres queridos asignados a los terapeutas que mejor se adapten a sus necesidades. Esto se traduciría en un mayor bienestar y calidad de vida para los allegados de los pacientes. 

4. Empresas y usuarios del sector sociosanitario y el sistema público sanitario: Una vez alcanzado el máximo rendimiento del sistema, la solución podría extenderse a cualquier dispositivo de psicoterapia tanto de la red pública como privada. El sistema público sanitario y las empresas del sector sociosanitario, como clínicas de salud mental y hospitales, se beneficiarían del software al mejorar su eficiencia operativa. Los algoritmos de emparejamiento reducirían la carga administrativa y los costes asociados a los métodos de asignación manual. Esto provocaría un mayor aprovechamiento de los recursos y una mejora de la calidad asistencial y de los tiempos de espera de los pacientes.