Pasamos horas con el teléfono en la mano y dejamos un rastro de hábitos sin darnos cuenta. Chateamos, buscamos información, pagamos en comercios o leemos el correo. Un equipo del KAIST, el instituto científico y tecnológico de Corea del Sur, ha comprobado que esos gestos cotidianos dicen bastante sobre nuestro estado de ánimo. Su sistema, llamado SHIRBT-MMF, no mide cuántas horas usas el móvil ni qué aplicaciones abres. Se fija en lo que haces: escribir mensajes, navegar o pagar. Con esos patrones, una inteligencia artificial personalizada estima si un día concreto ha sido estresante. Los resultados aciertan tres de cada cuatro veces y superan a los métodos que analizan solo el uso de apps. En este artículo explicamos cómo funciona, qué cifras ofrece el estudio, qué límites tiene y por qué puede importar para la salud mental digital. También hablamos de la privacidad, que es la duda más lógica ante una tecnología así.

Mirar lo que haces, no la aplicación

Hasta ahora, muchos estudios intentaban detectar el estrés con datos como el tiempo de pantalla, las veces que se abre una aplicación o la forma de teclear. El método tiene un fallo claro. Si cambias de aplicación o se actualiza su interfaz, los datos dejan de ser comparables y el modelo pierde estabilidad.

Los investigadores del KAIST, dirigidos por el profesor Uichin Lee, proponen otro enfoque. Dan igual la herramienta y su nombre. Si alguien pasa de KakaoTalk a LINE o a WhatsApp, sigue haciendo lo mismo: chatear. La actividad tiene un propósito, y ese propósito es más estable que la aplicación.

Los autores llaman SHIRBT a estas tareas repetidas del día a día. Es la sigla en inglés de tareas de comportamiento rutinario en la interacción con el teléfono.

SHIRBT-MMF, el sistema en detalle

El producto central de la investigación es SHIRBT-MMF, y conviene verlo por dentro. Primero, una técnica propia llamada minería de patrones secuenciales multinivel detecta transiciones de pantalla que se repiten durante varios días. Es decir, secuencias de pasos que el usuario recorre una y otra vez.

Después entra en juego un modelo de lenguaje de gran tamaño. Su trabajo es poner etiquetas comprensibles a cada patrón, como «chatear por mensajería», «navegar por la web», «pago financiero» o «leer y escribir correo». Así, el resultado es legible para una persona y no una lista de eventos sin sentido.

El sistema acierta en más del 95 % de los casos al clasificar la misma conducta en distintas aplicaciones de correo, navegador y mensajería. Ese dato es clave, porque demuestra que la etiqueta no depende de la app concreta.

Por último, los modelos son personalizados. Cada usuario tiene el suyo, entrenado con sus propios patrones y con sus valoraciones diarias de estrés. Esto tiene sentido, ya que dos personas pueden reaccionar de forma muy distinta ante la misma presión.

Los números del estudio

La muestra es modesta y conviene decirlo pronto. Participaron 26 personas de entre 20 y 30 años, entre estudiantes universitarios y trabajadores de oficina. De ellas, 16 aportaron datos a corto plazo, con una media de 30,5 días. Otras 10 lo hicieron a largo plazo, con una media de 105,1 días.

En total se identificaron 29 tipos de comportamientos repetidos. Cada persona repetía de forma rutinaria unos siete de ellos. Con esos datos, el mejor modelo logró una exactitud media del 75,9 % en el grupo de corto plazo y del 73,8 % en el de largo plazo.

La comparación con el método clásico, basado en el uso de aplicaciones y la misma técnica de inteligencia artificial, también favorece al nuevo enfoque. La mejora fue de 5,5 puntos porcentuales en el primer grupo y de 3,5 en el segundo.

Hay un resultado más llamativo. Con solo dos conductas, chatear y pagar, el modelo personalizado superó al método tradicional. Incluso usando únicamente el chat, la exactitud media seguía siendo mejor. Además, en los datos a largo plazo, los indicadores basados en conductas variaron menos con el tiempo y mantuvieron una estructura más estable.

Privacidad: qué se guarda y qué no

Un sistema que mira tus mensajes suena inquietante. Por eso los autores han tomado precauciones. El sistema no almacena el texto escrito ni el contenido de los mensajes. Solo registra si se escribió algo, con qué frecuencia y cómo cambió la pantalla.

Los datos sobre destinatarios de mensajes o interlocutores de llamadas pasan por un proceso de hash. Esta función convierte la información original en un valor que no la revela de forma directa. Así, el sistema puede distinguir contactos sin saber quiénes son.

El equipo apunta una vía de mejora. Una vez identificadas las conductas repetidas de cada persona, bastaría con recoger y analizar solo las relevantes. Esto reduciría la carga de datos y, de paso, el riesgo para la intimidad.

Límites que conviene no olvidar

El propio estudio es prudente. Muestra una asociación entre conductas y estrés, pero no demuestra causalidad. No sabemos si pagar mucho con el móvil provoca estrés o si el estrés cambia la forma de pagar. Tampoco hay motivo para pensar que una conducta concreta sea mala en sí misma.

Además, los participantes eran adultos jóvenes y usaban teléfonos Android. Los resultados podrían cambiar con otras edades, profesiones o sistemas. El equipo planea ampliar la muestra y comprobar la estabilidad del método a largo plazo.

Una exactitud cercana al 75 % también implica fallos. Uno de cada cuatro días, aproximadamente, el sistema se equivoca. Para una herramienta de apoyo es aceptable. Para tomar decisiones importantes sobre una persona, no lo sería.

Reflexiones adicionales

La idea tiene un atractivo evidente. Si el teléfono nota que llevas varios días con patrones de estrés, podría avisarte antes de que lo percibas tú. Esto sirve para el seguimiento del bienestar, siempre que el usuario lo decida y mantenga el control.

Aun así, quedan preguntas abiertas. ¿Quién tendría acceso a estos indicadores? ¿Podría usarlos un empleador o una aseguradora? La respuesta debe llegar con normas claras, y no solo con buenas intenciones técnicas. En Europa, el marco de protección de datos ya trata la salud como información especialmente sensible.

También conviene recordar que ninguna aplicación sustituye a un profesional. Si el estrés se prolonga o afecta a tu vida diaria, lo sensato es hablar con un médico o un psicólogo. La tecnología puede dar una señal, pero no un diagnóstico.

Lo más interesante del trabajo es el cambio de enfoque. Dejar de mirar qué aplicación se usa y fijarse en lo que la persona hace permite modelos más estables y más fáciles de explicar. Ese principio puede servir en otros campos de la salud digital.