La inteligencia artificial generativa como reto de salud pública: una mirada pediátrica desde la precaución inteligente

Puedes descargar la presentación aquí: IA y salud pública (PDF)

Introducción: el cambio de paradigma en la salud pública

A lo largo de las últimas dos décadas, la pediatría fue testigo de la integración masiva de la tecnología digital en la infancia y la adolescencia. Sin embargo, la experiencia clínica evidencia que se cometió un error: asumir de forma acrítica que la mera disponibilidad de pantallas equivalía al desarrollo automático de competencias educativas. El acceso temprano al teléfono inteligente mostró efectos para la salud, como alteraciones del sueño, dificultades atencionales y exposición precoz a situaciones de violencia como el ciberacoso.

Con la irrupción de la inteligencia artificial generativa (IAGen), el entorno digital experimenta un salto cualitativo sin precedentes. A diferencia de las redes sociales o buscadores tradicionales —basados en el consumo pasivo o la búsqueda puntual—, los sistemas de IAGen procesan y responden en lenguaje natural, produciendo textos, voz e imágenes inéditas y personalizadas.

Por ello, desde la medicina de la adolescencia se advierte que la IAGen no es un dispositivo más, sino un verdadero «mediador del neurodesarrollo». La tecnología se posiciona activamente entre la adolescencia y el aprendizaje, entre el adolescente y sus iguales, e incluso en la construcción de su propia identidad y autoestima. Al simular empatía e intencionalidad humanas, influye en una etapa biológica caracterizada por una elevada plasticidad cerebral y escasa capacidad crítica. La salud pública debe aplicar el principio de precaución: actuar con prudencia antes de que los daños potenciales se consoliden de forma irreversible.

Radiografía empírica del uso adolescente: hábitos y brechas de supervisión

Analizar la realidad exige examinar datos objetivos del uso. Las encuestas nacionales señalan que el 51 % de los jóvenes ha utilizado herramientas de IAGen en alguna ocasión. En España, el 15 % de los adolescentes de entre 14 y 18 años accede a la IA diariamente y el 51 % lo hace varias veces a la semana. Respecto a la finalidad, el 80 % recurre a ella para buscar información, el 68 % para estructurar trabajos escolares y el 30 % para consultar decisiones personales relevantes.

El estudio observacional de Maheux y colaboradores se realizó en una muestra de 3.363 niños y adolescentes. El análisis de 42.355 días-usuario-aplicación reveló que, aunque el uso predominante es funcional (62,2 % de los días de uso; 102 palabras/día), existen proporciones significativas de interacciones orientadas a contenidos de alta carga emocional o riesgo:

• Violencia: en el 15,25 % de los días de uso, con un promedio de 1.113 palabras tecleadas al día.
• Juegos de rol de naturaleza sexual: en el 15,09 % de los días de uso (959 palabras/día).
• Juegos de rol romántico: registrados en el 8,35 % de los días de uso (603 palabras/día).
• Relaciones de amistad y apoyo emocional: representan entre el 3 % y el 6 % de las interacciones.

El estudio demuestra divergencias según la edad y la plataforma:

• Diferencias por edad: en adolescentes de 16 y 17 años, el uso utilitario es mayoritario (80 % de días). En menores de 12 años, la herramienta funcional cae al 47-53 %, aumentando los temas de violencia (15-24 %), rol sexual (11-19 %) y rol romántico (6-14 %).
• Plataformas: aplicaciones generales como ChatGPT se emplean mayoritariamente como herramientas de estudio (61 %); las plataformas con finalidad concreta (Character.AI, Polybuzz, CHAI) concentran el contenido sexual, romántico y violento.

A esto se suma la brecha de supervisión: el 70 % del profesorado afirma imponer límites sobre la IA frente al 40 % de las familias en el hogar, reconociendo 6 de cada 10 estudiantes haber ignorado dichas recomendaciones.

Impacto en el neurodesarrollo y la esfera psicoafectiva

Funciones ejecutivas y delegación cognitiva

La adolescencia es una etapa de profunda reorganización neurobiológica, donde la corteza prefrontal madura progresivamente en sus funciones de planificación, memoria de trabajo y control emocional. El uso de la IA como un atajo para resolver tareas académicas o dilemas cotidianos plantea el riesgo de la «delegación cognitiva». La adquisición de competencias exige esfuerzo mental sostenido; el aburrimiento o la dificultad son estímulos indispensables para la plasticidad cerebral.

Sin embargo, la evidencia distingue entre la sustitución cognitiva y el andamiaje adaptativo. En estudiantes con necesidades específicas (como TDAH o dislexia), la IA utilizada con mediación pedagógica puede actuar como un tutor interactivo que personaliza el ritmo de aprendizaje y refuerza la autoeficacia.

Relaciones parasociales y «fricción social»

Aunque los chatbots especializados reducen el estigma y facilitan un soporte psicológico inicial inmediato con un efecto moderado, los menores tienden a atribuirles erróneamente capacidades de contención humana. El riesgo reside en la pérdida de la «fricción social»: la convivencia real exige empatía, negociación y reciprocidad, aspectos ausentes en una máquina programada para complacer de forma ilimitada.

Taxonomía de riesgos y evaluación epidemiológica de causalidad

Matriz de riesgos en salud pública

La literatura categoriza las amenazas de la IAGen en 84 riesgos específicos dentro de 6 dimensiones clave:

• Bienestar mental: dependencia emocional, uso compulsivo, agravamiento de ansiedad/depresión previa y respuestas inadecuadas ante crisis psicológicas.
• Desarrollo social: atrofia de habilidades interpersonales, aislamiento y normalización de interacciones sin consentimiento.
• Toxicidad: lenguaje ofensivo, contenidos violentos o incitación a conductas de riesgo en juegos de rol.
• Mal uso y explotación: creación no consentida de deepfakes de contenido sexual para acoso entre iguales, ciberacoso y desinformación.
• Sesgos y discriminación: reproducción de estereotipos y prejuicios asimilados durante el entrenamiento algorítmico.
• Privacidad: recopilación e inducción a la revelación inadvertida de datos íntimos.

Evaluación desde la salud pública y líneas de actuación

Para determinar si existe una verdadera relación de causa y efecto entre la exposición y los problemas de salud, se aplican los 9 criterios de causalidad de sir Austin Bradford Hill (1965):

• Fuerza de asociación: correlación entre uso compulsivo de chatbots y aislamiento social.
• Consistencia: observación repetida en múltiples estudios e investigaciones internacionales.
• Especificidad: afectación circunscrita a la dependencia emocional y desplazamiento de hábitos de vida saludables.
• Temporalidad: la interacción con el diseño persuasivo antecede en el tiempo a la consolidación del daño.
• Gradiente biológico (dosis-respuesta): a mayor tiempo de conversación y mayor volumen tecleado, mayor severidad sintomática.
• Plausibilidad: coherencia con la inmadurez de la corteza prefrontal en la adolescencia.
• Coherencia: alineación con los modelos conocidos de adicción conductual y desarrollo evolutivo.
• Experimento: disminución del malestar al implementar pausas de desconexión o límites de uso.
• Analogía: paralelismo con los mecanismos adictivos identificados previamente en redes sociales o videojuegos.

El principio de precaución y la salud pública

El principio de precaución, fundamentado en la Declaración de Wingspread (1998), establece que cuando una actividad genera amenazas de daño para la salud humana o el medio ambiente, se deben adoptar medidas preventivas aunque no se hayan establecido científicamente de forma plena todas las relaciones de causa y efecto.

En el marco de la salud pública, la incertidumbre científica no debe traducirse en inacción. Por ello, no basta con que una tecnología funcione; es imprescindible evaluar sus riesgos y beneficios, adoptar medidas preventivas «a tiempo» y comprobar que la herramienta respete el desarrollo y la salud en la infancia y la adolescencia.

La epidemiología confirma que existen indicios de causalidad suficientes para justificar la intervención preventiva inmediata.

Líneas de actuación por ámbitos

Para aplicar este enfoque preventivo, mi propuesta específica dirigida a cada sector:

• Desde las familias: hablar abiertamente sobre la tecnología, establecer límites, enseñar a cuestionar las respuestas de los sistemas, proteger la privacidad, cuidar los hábitos de vida saludables y dar ejemplo en el hogar.
• Desde la pediatría y la investigación: impulsar la prevención, la detección precoz de usos problemáticos y complicaciones, la investigación clínica, la intervención temprana y dar ejemplo desde la práctica clínica.
• Desde la abogacía: se propone enfocar la protección integral de la infancia a través de la defensa de la privacidad y como un delito contra la salud pública.
• Desde la educación: la enseñanza de competencias digitales debe considerar el neurodesarrollo y adaptarse a la forma en que se adquiere el aprendizaje según la edad del menor (mediante manipulación, juego o lectura en papel).
• Desde la industria: exigir evaluación regular con estándar científico de los beneficios demostrados y de los riesgos.

Criterios para el uso de la IA en la infancia

Aunque la tecnología pueda ofrecer oportunidades en áreas como el aprendizaje, la creatividad o la accesibilidad, esto no implica que carezca de riesgos o que tenga beneficios comprobados.

La IA solo debería utilizarse cuando:

• Aporte beneficios probados.
• Los beneficios superen a los riesgos.
• Cuente con garantías explícitas para la salud.
• Esté adecuada a la edad del usuario.
• Se someta a una revisión continua.

Conclusiones y llamada a la acción

La inteligencia artificial generativa ofrece oportunidades, pero la capacidad técnica no demuestra por sí misma un beneficio real para la salud o el neurodesarrollo. La protección de la infancia requiere corresponsabilidad estructural y exigir protección desde el diseño (Safety by Design) a la industria tecnológica.

Puedes descargar la presentación aquí: IA y salud pública (PDF)

Referencias bibliográficas

• Salmerón Ruiz MA, Fernández-Andújar M. Inteligencia artificial generativa en la población infantojuvenil: desafíos para el neurodesarrollo, la salud mental y la protección digital. Propuestas de actuación clínica y preventiva. Medicine. 2026;14(61):3769–78.
• Fernández-Andújar M, González-Cabrera J, Romero A, Hidalgo D, Salmerón-Ruiz MA. Inteligencia Artificial Generativa en la Población Infantojuvenil: Riesgos Emergentes y Retos para la Salud Pública. An Pediatr (Barc). 2026; doi:10.1016/j.anpedi.2026.504191.
• Salmerón Ruiz MA. Impacto de la inteligencia artificial en la adolescencia: riesgos y líneas de acción. Adolescere. 2025;13(3):51–58.
• Casar Corredera JR. Inteligencia artificial generativa. An R Acad Doct Esp. 2024;8:475–89.
• Common Sense Media. Teen and young adult perspectives on generative AI: patterns of use, excitements, and concerns [Internet]. 2024 [citado 5 sep 2025]. Disponible en: https://www.commonsensemedia.org/research/teen-and-young-adult-perspectives-on-generative-ai-patterns-of-use-excitements-and-concerns
• Empantallados. Educar en la era de la IA: 7 habilidades humanas necesarias en un entorno cambiante [Internet]. Madrid: Empantallados; 2025 [citado 5 sep 2025]. Disponible en: https://empantallados.com/habilidades-ia/
• Maheux AJ, Boeldt D, Akre-Bhide S, Flannery J, Paige A, Villella G, et al. How US Youth Use AI Chatbots: Conversation Patterns From Naturalistic Keystroke Observations. J Med Internet Res. 2026;28:e95819. doi:10.2196/95819.
• Namvarpour M, Brofsky B, Medina JY, Akter M, Razi A. Romance, relief, and regret: teen narratives of chatbot overreliance. En: Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI ’26). ACM; 2026. doi:10.1145/3772318.3790597.
• Huang O, Nagata JM. Longitudinal patterns of digital media use and subjective dependency in adolescents. JAMA Pediatr. 2024;178(9):890–98.
• Siddiqui A, Wu Y. Efficacy of conversational AI agents in adolescent mental health support: a systematic review and meta-analysis. Lancet Digit Health. 2026;8(2):e112–e123.
• Wu Y, Zhang L. Digital interventions for reducing mental health stigma in youth populations. J Adolesc Health. 2026;68(3):301–10.
• Piombo M, Vanhoffelen E. Adolescent critical literacy and perception of synthetic conversational agents. Cyberpsychol Behav Soc Netw. 2025;28(4):245–52.
• Vanhoffelen E, Piombo M. Trust, anthropomorphism, and safety perception in youth-AI interaction. Comput Human Behav. 2025;162:108420.
• Lai C, Chen Z. Educational AI tools, family support perception, and social adaptability in high school students. Front Psychol. 2023;14:1102941.
• Yu Y, Liu Y, Zhang J, Huang Y, Wang Y. Understanding generative AI risks for youth: A taxonomy based on empirical data. arXiv preprint arXiv:2502.16383. 2025.
• Bradford Hill A. The Environment and Disease: Association or Causation? Proc R Soc Med. 1965;58(5):295–300.
• Nagata JM, Memon Z, Huang O, Moreno MA. Adolescent health and generative AI—risks and benefits. JAMA Pediatr. 2025. doi:10.1001/jamapediatrics.2025.4502.