Lista de 10 proyectos de investigación aplicada (TRL 6–8) para la carrera de Psicología de la UAGRM, siguiendo el mismo formato riguroso que en los casos anteriores.
—
🎯 Enfoque prioritario para Psicología
· Detección temprana de depresión y ansiedad mediante análisis de lenguaje y redes sociales.
· Intervenciones cognitivo-conductuales automatizadas con chatbots (terapia digital).
· Evaluación neuropsicológica remota con pruebas adaptativas y machine learning.
· Predicción de riesgo suicida a partir de patrones de escritura y sensores de móvil.
· Entrenamiento en regulación emocional con realidad virtual y biofeedback.
· Modelos de personalidad y rendimiento laboral basados en redes neuronales.
—
1. DepreText – Detección temprana de síntomas depresivos mediante análisis de lenguaje en redes sociales (Twitter/Facebook) con BERT
Problema científico
La depresión es subdiagnosticada en jóvenes, pero sus publicaciones en redes contienen marcadores lingüísticos (pronombres en primera persona, emociones negativas). No existe un sistema automatizado validado en población boliviana.
Hipótesis principal
Un modelo BERT fine-tuned con 10.000 publicaciones anotadas por psicólogos clasifica el riesgo de depresión (leve, moderado, grave) con AUC >0,85, correlacionando con PHQ-9.
Modelo de Red Neuronal Propuesto
BERT multilingüe (BETO) con capa de clasificación multiclase. Entrenado con textos de redes sociales y etiquetas clínicas (PHQ-9).
Base Neuroeducativa
La depresión altera la producción lingüística (menor diversidad léxica, mayor uso de pronombres de primera persona) asociada a rumiación (Stade et al., 2021, J Med Internet Res).
Diseño Metodológico
Recopilación de 10.000 publicaciones de voluntarios (consentimiento informado) y aplicación del PHQ-9. Anotación por 5 psicólogos (kappa >0,80). Validación cruzada y prueba en nueva muestra.
Viabilidad Técnica (TRL)
TRL 6 – prototipo en servidor. Infraestructura: GPU, API para recibir textos. Costo: $15.000.
Impacto Cuantificable
Sensibilidad >80% para depresión moderada. Reducción del 70% en el tiempo de tamizaje masivo.
Aplicabilidad Práctica Inmediata
Departamentos de bienestar universitario, centros de salud mental comunitarios (CENES).
Proyección a 5 años
Herramienta web anónima “DepreText” para auto-tamizaje, derivando a profesionales en casos positivos.
—
2. ChatCBT – Chatbot de terapia cognitivo-conductual para ansiedad en adolescentes (basado en GPT-4 y protocolos manualizados)
Problema científico
La brecha de acceso a terapia psicológica es enorme. Los chatbots existentes tienen baja adherencia y no siguen protocolos validados.
Hipótesis principal
Un chatbot que implementa un protocolo CBT de 8 sesiones (reestructuración cognitiva, exposición) reduce la puntuación en la escala GAD-7 en un 35% (diferencia pre-post), comparable a una intervención guiada por terapeuta humano.
Modelo de Red Neuronal Propuesto
GPT-4 fine-tuned con transcripciones de sesiones CBT reales, más un sistema de seguimiento de reglas (estado de sesión, tareas para casa). Salida: respuestas terapéuticas estructuradas.
Base Neuroeducativa
La terapia CBT modula la conectividad fronto-amigdalina. Los chatbots pueden inducir cambios similares si adhieren al protocolo (Fitzpatrick et al., 2020, J Med Internet Res).
Diseño Metodológico
Ensayo controlado aleatorizado (n=90 adolescentes con ansiedad leve-moderada). Grupos: ChatCBT, terapia humana breve, lista de espera. Medición pre-post y seguimiento 1 mes: GAD-7, SCARED. Análisis: ANOVA mixto.
Viabilidad Técnica (TRL)
TRL 6 – prototipo integrado en Telegram o web. API de OpenAI o modelo local (LLAMA2). Costo: $25.000 (incluye fine-tuning y evaluación clínica).
Impacto Cuantificable
Reducción del 35% en GAD-7 (p<0.001) y adherencia >70% (completar 6/8 sesiones).
Aplicabilidad Práctica Inmediata
Unidades de psicología escolar, centros de salud de primer nivel, aplicaciones de bienestar estudiantil.
Proyección a 5 años
App “ChatCBT Bolivia” gratuita, integrada con el sistema público de salud. Formación de supervisores humanos para casos complejos.
—
3. NeuroTest – Batería de evaluación neuropsicológica adaptativa (memoria de trabajo, atención) con machine learning y datos normativos bolivianos
Problema científico
Las pruebas neuropsicológicas estandarizadas (WAIS, WISC) no tienen normas para Bolivia y requieren administración presencial. Falta una herramienta adaptativa local.
Hipótesis principal
Una batería computarizada adaptativa (CAT) basada en IRT (Teoría de Respuesta al Ítem) y un modelo de aprendizaje automático para seleccionar ítems, reduce el tiempo de evaluación en un 50% manteniendo fiabilidad >0,85.
Modelo de Red Neuronal Propuesto
Modelo de respuesta al ítem (2PL) + algoritmo de selección de ítems con criterio de información de Fisher. Opcional: red neuronal para predecir el nivel de habilidad directamente.
Base Neuroeducativa
La memoria de trabajo y atención se correlacionan con la activación del córtex prefrontal dorsolateral. Las pruebas adaptativas respetan la capacidad del sujeto, reduciendo frustración.
Diseño Metodológico
Recopilación de datos de 500 sujetos sanos de Santa Cruz (edad 18-65, estratificados). Calibración de ítems (50 por dominio). Validación en 100 nuevos sujetos comparando con pruebas tradicionales (WCST, test de Stroop).
Viabilidad Técnica (TRL)
TRL 6 – prototipo web con JavaScript (PsychoJS) y backend Python para IRT. Costo: $20.000.
Impacto Cuantificable
Reducción del 50% del tiempo (de 90 a 45 min). Normas locales para percentiles.
Aplicabilidad Práctica Inmediata
Consultorios de neuropsicología, hospitales (neurología, psiquiatría), evaluación de personal en empresas.
Proyección a 5 años
Plataforma “NeuroTest Bolivia” utilizada por 100 psicólogos. Validación clínica en trastornos (TDAH, demencia).
—
4. SuicidioAlert – Predicción de riesgo suicida a partir de patrones de escritura en diarios digitales y actividad de smartphone (acelerómetro, horarios)
Problema científico
La ideación suicida es difícil de detectar proactivamente. Los patrones de escritura (menor riqueza léxica, más palabras negativas) y la actividad del móvil (aislamiento, horarios irregulares) pueden ser biomarcadores digitales.
Hipótesis principal
Un modelo de machine learning (XGBoost + LSTM temporal) que integra características lingüísticas (BERT) y sensoriales (acelerómetro, uso de apps) predice episodios de ideación suicida (evaluados diariamente con escala de Beck) con AUC >0,90 y 48 horas de anticipación.
Modelo de Red Neuronal Propuesto
LSTM sobre series temporales de actividad (20 variables diarias) + embeddings de textos (BERT) fusionados en una red densa.
Base Neuroeducativa
La ideación suicida se asocia con hiperactividad en la corteza cingulada subgenual y alteraciones circadianas. Los patrones de escritura reflejan rumiación (Bozonelos et al., 2022, JAMA Psychiatry).
Diseño Metodológico
Estudio longitudinal con 200 participantes con depresión moderada-grave. Se les pide usar una app que recolecta datos pasivos (anónimos) y responder diariamente la escala BSS. Duración 3 meses. Entrenamiento del modelo para predecir aumentos en BSS.
Viabilidad Técnica (TRL)
TRL 6 – prototipo de app Android. Servidor para procesamiento en la nube. Costo: $30.000 (incluye compensación a participantes y aprobación ética).
Impacto Cuantificable
AUC >0,90, alertas con 2 días de antelación. Posibilidad de intervención preventiva (llamada de seguimiento).
Aplicabilidad Práctica Inmediata
Servicios de prevención del suicidio (Línea 800), hospitales psiquiátricos, programas de salud mental universitaria.
Proyección a 5 años
Sistema integrado en una app de bienestar, con protocolo de derivación. Investigación de aceptabilidad ética.
—
5. VRexposure – Terapia de exposición para fobia a las arañas mediante realidad virtual inmersiva con sensores de respuesta galvánica (GSR) y frecuencia cardíaca
Problema científico
La terapia de exposición tradicional requiere acceso a estímulos reales o imaginación. La RV permite control jerárquico, pero pocos estudios integran biofeedback en tiempo real.
Hipótesis principal
Un programa de 4 sesiones de exposición gradual en RV (arañas virtuales) con biofeedback (monitorización de GSR y HR) para ajustar la intensidad, reduce la puntuación en la escala de fobia específica (SPQ) en un 60%, superior a RV sin biofeedback.
Modelo de Red Neuronal Propuesto
Algoritmo adaptativo de dificultad basado en umbrales de GSR (cada 30 segundos). Si el arousal excede un umbral personalizado, la exposición retrocede un nivel.
Base Neuroeducativa
La extinción del miedo depende de la activación de la amígdala durante la exposición sin consecuencias negativas. El biofeedback optimiza la permanencia en la zona de aprendizaje (habituación).
Diseño Metodológico
Ensayo controlado aleatorizado (n=60 con fobia diagnosticada). Grupos: VR+Biofeedback, VR solo, control lista de espera. Evaluación pre-post y seguimiento 1 mes: SPQ, test de evitación conductual (acercarse a tarántula real en terrario).
Viabilidad Técnica (TRL)
TRL 6 – prototipo con Oculus Quest + sensor GSR y HR (Polar o Empatica). Desarrollo en Unity. Costo: $20.000 (incluye hardware y evaluación).
Impacto Cuantificable
Reducción del 60% en SPQ (fobia grave a leve). Mejora en distancia de aproximación (de 2 m a tocar el terrario).
Aplicabilidad Práctica Inmediata
Consultorios de psicología clínica, hospitales de día, centros de terapia cognitivo-conductual.
Proyección a 5 años
Módulo expandido a otras fobias (altura, volar, hablar en público). Licenciamiento a clínicas privadas.
—
6. EmoReg – Entrenamiento en regulación emocional (reappraisal) mediante neurofeedback basado en fMRI y luego trasladado a EEG portátil
Problema científico
La reevaluación cognitiva (reappraisal) es eficaz para la ansiedad, pero requiere mucho entrenamiento. El neurofeedback de la corteza prefrontal puede acelerar el aprendizaje.
Hipótesis principal
5 sesiones de neurofeedback (sobre la actividad prefrontal hemisférica izquierda) + entrenamiento en reappraisal, produce una mejora del 50% en el uso de reappraisal (cuestionario ERQ) y reducción de ansiedad (STAI) comparado con sham.
Modelo de Red Neuronal Propuesto
Extracción de relación theta/beta en F3 (EEG) o señal BOLD en dlPFC (fMRI). Feedback visual: una barra que sube cuando la actividad deseada aumenta.
Base Neuroeducativa
La reevaluación modula la conectividad prefrontal-amígdala. El neurofeedback potencia la plasticidad de esta red (Zotev et al., 2019, NeuroImage).
Diseño Metodológico
Estudio piloto con n=30 (ansiedad alta). Grupo experimental vs. sham. 5 sesiones de 20 min. Medición pre-post de ERQ, STAI, y prueba de laboratorio (respuesta emocional a imágenes negativas). Se usa EEG portátil (OpenBCI) tras validación con fMRI.
Viabilidad Técnica (TRL)
TRL 6 – prototipo con EEG de 8 canales (OpenBCI, costo $1.500). Software de neurofeedback en Python. Costo: $10.000.
Impacto Cuantificable
Aumento del 50% en reappraisal autoinformado y reducción del 30% en ansiedad estado.
Aplicabilidad Práctica Inmediata
Clínicas de ansiedad, centros de bienestar universitario, programas de salud ocupacional.
Proyección a 5 años
Aplicación doméstica “EmoReg” con auriculares EEG de bajo costo (p.ej., Neurosky MindWave). Tele-neurofeedback.
—
7. BiasMeasure – Medición de sesgos implícitos (racismo, sexismo) mediante tareas de asociación implícita (IAT) online y modelos de aprendizaje profundo para detectar falsificación de respuestas
Problema científico
El IAT es ampliamente usado pero susceptible a falsificación (instrucciones de fingir). No existen métodos automáticos para detectar a participantes que manipulan sus tiempos de reacción.
Hipótesis principal
Una red neuronal recurrente (LSTM) sobre la serie temporal de latencias de respuesta (por ensayo) detecta patrones de falsificación con AUC >0,90, superando a métodos estadísticos tradicionales.
Modelo de Red Neuronal Propuesto
LSTM bidireccional que procesa la secuencia de 200 tiempos de reacción por participante. Salida: clasificación binaria (falsificador vs. honesto). Entrenado con datos de participantes instruidos para fingir.
Base Neuroeducativa
Los sesgos implícitos residen en la amígdala y ganglios basales. La falsificación requiere control ejecutivo, lo que produce patrones anómalos en la distribución de tiempos (retardo variable).
Diseño Metodológico
Recolección de datos de 200 participantes (100 honestos, 100 instruidos para fingir no racismo). IAT raza online. Entrenamiento de LSTM con 80% de datos. Validación en nueva muestra.
Viabilidad Técnica (TRL)
TRL 6 – plataforma web con JavaScript para registrar latencias, backend con TensorFlow. Costo: $8.000.
Impacto Cuantificable
Precisión >90% en detección de falsificación. Permite usar IAT en selección de personal con validez.
Aplicabilidad Práctica Inmediata
Departamentos de recursos humanos (selección de personal), investigaciones de psicología social, evaluación de políticas antidiscriminación.
Proyección a 5 años
API gratuita para investigadores. Integración con plataformas de testing psicológico.
—
8. BurnoutPredict – Predicción de burnout en trabajadores de salud usando datos de wearables (ritmo cardíaco, sueño) y machine learning
Problema científico
El burnout (síndrome de desgaste profesional) afecta al 40% de los médicos y enfermeros. La detección temprana con encuestas es infrecuente. Los wearables pueden proporcionar biomarcadores continuos.
Hipótesis principal
Un modelo XGBoost entrenado con variables semanales de wearables (variabilidad cardíaca, calidad del sueño, pasos diarios) predice el burnout (MBI >50) con 4 semanas de antelación y AUC >0,80.
Modelo de Red Neuronal Propuesto
XGBoost con características agregadas (media, desvío, tendencia) de HRV (RMSSD, SDNN), horas de sueño, pasos. Entrenamiento longitudinal.
Base Neuroeducativa
El burnout se asocia con disfunción autonómica (baja HRV) y alteraciones del sueño, previas a los síntomas cognitivos.
Diseño Metodológico
Estudio longitudinal con 100 trabajadores de hospital público durante 6 meses. Uso de Fitbit o similar. Aplicación mensual del MBI. Entrenamiento del modelo para predecir MBI >50 en la medición del mes siguiente.
Viabilidad Técnica (TRL)
TRL 6 – prototipo con API de Fitbit/Google Fit. Servidor para agregación y predicción. Costo: $15.000 (incluye wearables básicos prestados).
Impacto Cuantificable
AUC >0,80, sensibilidad >75% para predecir burnout clínico. Permite intervenciones preventivas (reducción de carga laboral, pausas).
Aplicabilidad Práctica Inmediata
Hospitales de tercer nivel (Hospital de Clínicas), programas de bienestar laboral, departamentos de salud ocupacional.
Proyección a 5 años
Sistema “BurnoutPredict” como servicio para empresas de salud. Integración con seguros de riesgos laborales.
—
9. EscalaEmo – Adaptación y validación de una escala emocional computarizada para niños (identificación de emociones básicas mediante reconocimiento facial)
Problema científico
Los niños con dificultades socioemocionales tienen pobre reconocimiento de emociones. No existe una prueba interactiva en español boliviano que mida esta habilidad.
Hipótesis principal
Una prueba computarizada que muestra 50 fotos de rostros reales (niños bolivianos) y pide nombrar la emoción (alegría, tristeza, miedo, enojo, asco, sorpresa) tiene consistencia interna >0,85 y correlaciona con la escala de competencia social (r >0,6).
Modelo de Red Neuronal Propuesto
No se usa red neuronal para el test. Se utiliza un modelo de calibración por TRI (Teoría de Respuesta al Ítem) para seleccionar los ítems más discriminativos. La generación de rostros puede hacerse con StyleGAN (opcional).
Base Neuroeducativa
El reconocimiento facial emocional depende de la amígdala y el giro fusiforme. Las dificultades predicen problemas de conducta.
Diseño Metodológico
Toma de 500 fotos de niños voluntarios (6-12 años) expresando 6 emociones (validado por jueces). Prueba piloto con 300 niños. Análisis de consistencia y validez convergente (con escala de problemas de conducta SDQ).
Viabilidad Técnica (TRL)
TRL 6 – aplicación web con fotos reales. Backend para registro de respuestas. Costo: $12.000 (sesiones de fotografía y validación).
Impacto Cuantificable
Correlación >0,6 con SDQ. Permite tamizaje rápido (10 min) en escuelas.
Aplicabilidad Práctica Inmediata
Departamentos de psicología escolar, unidades educativas, consultorios de neurodesarrollo.
Proyección a 5 años
Plataforma “EscalaEmo” integrada en sistemas de alerta temprana del Ministerio de Educación.
—
10. TDAHclass – Clasificación de subtipos de TDAH (inatento, hiperactivo, combinado) mediante análisis de movimiento y atención en tareas de realidad virtual
Problema científico
El diagnóstico de TDAH se basa en cuestionarios subjetivos. No existen pruebas objetivas que cuantifiquen los patrones de movimiento y atención en tiempo real.
Hipótesis principal
Un modelo CNN 3D (espacio-temporal) sobre la trayectoria del headset de RV y la precisión en tareas de atención visual, clasifica los 3 subtipos de TDAH con una precisión >80% (validado con entrevista clínica estructurada).
Modelo de Red Neuronal Propuesto
CNN 3D que toma como entrada la secuencia de posiciones (x,y,z) del headset (movimientos de cabeza) y los aciertos/errores a estímulos visuales. Salida: clasificación de subtipo.
Base Neuroeducativa
El TDAH inatento se asocia con hipoactividad noradrenérgica y menor control atencional; el hiperactivo con disfunción dopaminérgica y exceso de movimiento. La RV captura ambos.
Diseño Metodológico
Estudio con 90 niños diagnosticados (30 por subtipo) y 30 controles. Realizan una tarea de atención continua en RV (10 min). Se entrena el modelo con validación cruzada.
Viabilidad Técnica (TRL)
TRL 6 – prototipo con Oculus Quest, tarea diseñada en Unity. Servidor para procesamiento de datos. Costo: $25.000.
Impacto Cuantificable
Precisión >80% para clasificar subtipos. Sensibilidad >85% para diferenciar TDAH de controles.
Aplicabilidad Práctica Inmediata
Unidades de neuropsicología infantil, hospitales pediátricos, centros de desarrollo.
Proyección a 5 años
Sistema de diagnóstico asistido por RV para uso en clínicas públicas. Formación de profesionales en evaluación objetiva.
—
📌 Nota final
Estos 10 proyectos para Psicología abarcan:
· Detección y predicción de trastornos (1, 4, 8, 10)
· Intervenciones digitales y chatbots (2, 5, 6)
· Evaluación psicológica (3, 7, 9)
Costos entre $8.000 y $30.000, TRL 6–7. Perfectamente viables en la UAGRM con articulación DEIS (extensión a centros de salud y escuelas) y DICIT (desarrollo de software y dispositivos).