Antecedentes/Objetivos: Las personas dadas de alta tras una hospitalización psiquiátrica presentan un riesgo elevado de autolesión intencionada y suicidio. El objetivo fue desarrollar y validar modelos de aprendizaje automático, basados en datos poblacionales de registros sanitarios de Cataluña, para predecir el riesgo de autolesión tras el alta en distintos horizontes temporales, y subgrupos de sexo y edad, evaluando su capacidad de generalización y robustez.

Métodos: Estudio de cohorte retrospectivo con todas las hospitalizaciones psiquiátricas en Cataluña con alta a los ≥ 10 años (2015-2018), con seguimiento hasta el 31 de diciembre de 2019 (n = 71.865 hospitalizaciones de 41.827 pacientes). Se entrenaron modelos para estimar riesgo de autolesión intencionada (letal o no letal) a los 7, 30, 90, 180 y 365 días del alta. Se incluyeron 247 predictores de la historia clínica electrónica (sociodemográficos, trastornos mentales y físicos, psicofármacos y antecedentes de autolesión y hospitalización psiquiátrica. El rendimiento se evaluó mediante AUCROC y AUCPR, y la relevancia de los predictores mediante valores SHAP.

Resultados: Un 6,8% de las hospitalizaciones se asociaron a un episodio de autolesión un año después del alta. El modelo a 365 días entrenado en la cohorte completa alcanzó un AUCROC de 0,819 y un AUCPR ajustado con una mejora mediana de 5,4 veces respecto a la prevalencia basal. Mostró buena generalización entre horizontes temporales y estratos de sexo y edad, y superó a los modelos estratificados cuando la escasez de datos limitaba el rendimiento. Los modelos por horizonte y los estratificados por subgrupos de sexo y edad alcanzaron un AUCROC mediano de 0,775 (IQR 0,764-0,808) y una mejora mediana de 5,4 veces en AUCPR (IQR 4,5-6,2). Entre los predictores más influyentes están la recencia de diagnósticos de depresión, trastornos adaptativos y esquizofrenia, dispensación reciente de ISRS, número de diagnósticos de trastornos de inicio infantil y musculoesqueléticos.

Conclusiones/Recomendaciones: Los modelos de aprendizaje automático basados en datos clínicos rutinarios predicen la autolesión tras el alta psiquiátrica con buena capacidad discriminativa y precisión, siendo clínicamente relevante. Un único modelo a 365 días mostró adecuada generalización, lo que respalda una implementación clínica pragmática y escalable.

Financiación: CP21/00078 co-financed by the Instituto de Salud Carlos III (ISCIII) and co-funded by the European Union.