Crear y validar un cuestionario clínico es un proceso largo y caro. Un equipo de investigadores ha propuesto una alternativa novedosa: usar modelos de procesamiento de lenguaje natural para analizar los ítems de una escala psicológica antes de recopilar datos reales. El método transforma las preguntas en representaciones matemáticas (embeddings) y examina cómo se relacionan entre sí, buscando ambigüedades, problemas de coherencia conceptual y falta de validez discriminante.
Los autores probaron su enfoque con instrumentos clínicos conocidos: la SNAP-IV (para TDAH), la escala de conducta agresiva del CBCL y los criterios de trastorno oposicionista desafiante del DSM-5-TR. Los patrones semánticos identificados por el análisis computacional coincidieron con las propiedades psicométricas ya establecidas en la literatura, lo que sugiere que el método funciona.
Este enfoque no pretende reemplazar la validación tradicional, sino complementarla y ahorrar tiempo y recursos. Los investigadores han creado una herramienta de código abierto (paquete R "embedScaleValid") para que otros equipos puedan implementar el método fácilmente. Se trata de un primer paso para integrar avances en inteligencia artificial en el desarrollo de herramientas psicológicas más eficientes.