La neurotecnología acaba de cruzar un umbral que cambia el diagnóstico en salud mental. En enero de 2026, un auricular obtuvo autorización de la FDA para monitoreo cerebral clínico.
No un equipo de laboratorio. No un dispositivo de uso exclusivo hospitalario. Un auricular. Se llama Naox Link, lo desarrolló la empresa francesa Naox Technologies, y es el primer dispositivo EEG de uso clínico que registra actividad eléctrica cerebral a través del oído, de forma continua, en el domicilio del paciente, sin electrodos en el cuero cabelludo, sin gel conductor, sin que la persona tenga que ir a ningún lado.
Eso ocurrió hace cuatro meses. Y la mayoría de los programas de formación en psicología de Latinoamérica no han dicho nada al respecto.
Este artículo es sobre eso.
Del diagnóstico como evento al diagnóstico como flujo
Durante décadas, el diagnóstico en salud mental ha funcionado como una fotografía: el psicólogo evalúa al paciente en un momento acotado, interpreta lo que observa y lo que la persona reporta, y emite una conclusión. Es un proceso valioso, pero tiene un límite estructural, captura un instante, no una trayectoria.
Lo que está ocurriendo con la neurotecnología cambia esa lógica de raíz.
Una revisión sistemática publicada en JMIR confirma que los dispositivos wearables con IA se están usando para tres propósitos clínicos simultáneos: diagnóstico y screening en el 59% de los estudios, monitoreo de síntomas en el 22%, y predicción de recurrencias en el 19%. No son proyecciones. Son datos de uso actual.
Lo que esto significa en términos concretos es que el diagnóstico deja de ser un evento episódico para convertirse en un flujo continuo. Rutinas circadianas, variabilidad en el sueño, patrones de anhedonia medidos en tiempo real, firmas neurales de estados emocionales registradas mientras la persona vive su vida cotidiana.
Desde la práctica clínica, esto no es menor. Llevamos años sabiendo que lo que el paciente reporta en consulta es una fracción de lo que realmente experimenta. No por falta de honestidad, sino porque la memoria es selectiva, el lenguaje es impreciso, y la consulta ocurre en un contexto que no siempre refleja el resto de la semana. Los datos continuos no reemplazan esa conversación, pero la enriquecen de una manera que hasta ahora no era posible.
El mapa de actores: esto no es un fenómeno aislado
El Naox Link no es una anomalía. Es parte de una convergencia que involucra a actores muy distintos moviéndose en la misma dirección.
Apple publicó en 2025 un estudio que describe una técnica llamada PARS, que entrena una IA para leer señales EEG directamente desde el oído sin necesitar etiquetas humanas. Los AirPods del futuro incorporarían electrodos que enviarían datos cerebrales al iPhone para detectar patrones de atención, estrés y etapas del sueño de forma pasiva.
Neurosity ofrece desde ya una corona EEG de ocho canales que detecta ondas cerebrales en tiempo real, con integración directa a ChatGPT vía MCP. Su proyecto EEG-GPT apunta a construir un modelo fundacional para datos EEG con aplicaciones explícitas en monitoreo de salud mental.
Meta presentó en 2025 la Neural Band, una pulsera que usa electromiografía superficial para leer señales musculares de la muñeca y decodificar intenciones previas al movimiento. La misma tecnología que hoy reemplaza teclado y mouse puede mañana leer estados emocionales antes de que se expresen conductualmente.
Investigadores de la UCSF lograron que pacientes paralizados controlen brazos robóticos imaginando movimientos, usando una IA que aprende y se adapta a los cambios del cerebro durante meses sin recalibración. En un hito publicado en Nature Neuroscience, permitieron a una paciente convertir actividad cerebral en habla sintetizada en tiempo casi real.
Y Cognitive Signals, un spinout de Cornell, acaba de lanzar una plataforma diagnóstica que combina EEG con modelos de lenguaje de gran escala para identificar firmas neurales de comprensión del lenguaje, con aplicaciones directas en deterioro cognitivo.
No es un solo actor. Es una convergencia. Y su dirección es clara: el diagnóstico en salud mental está migrando hacia datos neurales continuos, procesados por IA, en entornos cotidianos.
La cadena lógica que no se puede saltar
Frente a este escenario, el argumento que escucho con más frecuencia entre colegas es que esto es territorio de la neurología o la psiquiatría, no de la psicología. O que es demasiado técnico. O que llegará en algún momento, pero todavía no.
Ninguna de esas respuestas es sostenible.
La cadena es esta: si la neurotecnología va a producir flujos de datos neurales procesados por IA con relevancia clínica para la salud mental, entonces el psicólogo y la psicóloga que trabaje en ese contexto va a necesitar interpretar esos datos. Para interpretar esos datos, va a necesitar entender cómo funciona la IA que los procesa: qué mide, qué no mide, cómo se entrena un modelo, dónde introduce sesgos, qué significa un falso positivo en este contexto. Y para entender eso, necesita una base en IA que hoy no existe como estándar en ninguna malla curricular de psicología que yo conozca en Latinoamérica.
No estoy hablando de formar ingenieros. Estoy hablando de que sin esa base, el psicólogo va a recibir un output (respuesta) de un sistema que no comprende, lo va a interpretar con los marcos que tiene disponibles, y va a tomar decisiones clínicas sobre esa base. Eso tiene consecuencias reales para personas reales.
La cadena no se puede saltar. Y el primer eslabón es alfabetización en IA.
El rol del psicólogo/a: transformación, no desaparición
Vale la pena ser precisa aquí, porque el debate suele desviarse en dos direcciones igualmente improductivas: la que dice que la IA va a reemplazar al psicólogo, y la que dice que la IA no tiene nada que ver con la clínica.
Ninguna de las dos es útil.
Lo que está ocurriendo es una transformación del rol. El psicólogo está dejando de ser exclusivamente un administrador de tests y un observador de conducta, para pasar a ser también un intérprete de flujos de datos con juicio clínico contextualizado. La diferencia es importante: los datos EEG son ruidosos, complejos, y culturalmente ciegos. Un modelo de IA puede detectar una firma neural asociada a depresión, pero no sabe nada del contexto biográfico de esa persona, de su historia vincular, de las condiciones materiales de su vida, de lo que significa ese síntoma en su trayectoria particular.
Eso lo sabe el psicóloga o la psicóloga. O debería saberlo.
El juicio clínico no desaparece en este ecosistema. Pero sí necesita expandirse para incluir la capacidad de leer datos que antes no existían, de interrogar los sistemas que los producen, y de tomar decisiones informadas sobre cuándo confiar en ellos y cuándo no.
Esa expansión no ocurre sola. Requiere formación.
Una interpelación directa a las universidades
Las universidades que forman psicólogos/as en Latinoamérica tienen una decisión pendiente, y el tiempo para tomarla se está acotando.
La pregunta no es si deben incluir IA en sus mallas curriculares. La pregunta es qué pasa si no lo hacen.
Lo que pasa es esto: sus egresados van a insertarse en un campo clínico donde la IA ya está operando, sin tener las herramientas conceptuales para evaluarla, cuestionarla ni usarla con criterio. Van a firmar informes basados en datos que no entienden. Van a delegar juicios clínicos en sistemas que no pueden interrogar. Y van a hacerlo no por negligencia, sino porque nadie les enseñó que había algo que aprender.
Eso no es un problema tecnológico. Es un problema ético.
Lo que debería incluir una malla curricular de psicología hoy no es un curso de programación. Es comprensión de qué es un modelo de IA, cómo aprende, qué sesgos puede reproducir, cómo evaluar la calidad de sus outputs, qué significa el consentimiento informado cuando hay un sistema de IA involucrado en el proceso diagnóstico, y cómo proteger la privacidad de los datos clínicos en entornos digitales.
Eso no es optativo. No puede depender de la curiosidad individual de cada estudiante. Y no puede seguir siendo responsabilidad exclusiva de quienes, fuera del sistema formal, estamos construyendo estos puentes por cuenta propia.
Las universidades tienen la estructura, el alcance y la responsabilidad para hacer esto de forma sistemática. La pregunta es si van a actuar antes o después de que las consecuencias de no hacerlo sean visibles en la práctica clínica.
El MIC como marco de integración ética
Trabajo desde hace un par de años en la intersección entre psicología clínica e inteligencia artificial. Y una de las conclusiones más claras de ese trabajo es que la tecnología no es neutra, y que integrarla sin un marco ético explícito produce daño, aunque no sea la intención.
El Modelo de Integración Consciente —MIC™— es el marco que desarrollé para responder a esa necesidad en el contexto específico de la práctica psicológica. Se estructura en tres pilares.
Soberanía: el profesional y el paciente deben mantener control activo sobre qué datos se producen, cómo se procesan, y quién tiene acceso a ellos. En un ecosistema donde un auricular registra actividad cerebral continua, la soberanía no es un valor abstracto: es una condición clínica concreta.
Secreto: la confidencialidad en salud mental no termina donde termina la consulta. Se extiende a los datos que los sistemas digitales producen sobre los pacientes, a los modelos que los procesan, y a las infraestructuras que los almacenan. Integrar neurotecnología sin proteger esa cadena completa es una brecha ética, no solo técnica.
Profundidad: la IA puede detectar patrones. No puede comprender significados. La profundidad clínica, la capacidad de integrar el dato en una narrativa biográfica, cultural y relacional, sigue siendo responsabilidad del profesional. El MIC pone ese juicio en el centro, no en la periferia.
Estos tres pilares no son una respuesta a la neurotecnología específicamente. Son un marco para cualquier integración de IA en la práctica clínica. Pero frente a lo que se viene, cobran una urgencia que hace seis meses no tenían.
Un auricular que lee el cerebro ya tiene autorización clínica en Estados Unidos.
Apple, Meta, Neurosity y equipos de investigación de primer nivel están convergiendo hacia el mismo punto: datos neurales continuos, procesados por IA, con relevancia diagnóstica en salud mental.
El y la psicóloga que no entienda qué es la IA no va a poder evaluar esos datos, no va a poder cuestionarlos, y no va a poder proteger a sus pacientes de sus limitaciones.
Y las universidades que sigan formando psicólogos/as sin incluir IA en sus mallas van a enviar al campo clínico a profesionales que no tienen las herramientas para el mundo que ya existe.
La pregunta que dejo abierta no es tecnológica.
Es esta: ¿quién asume la responsabilidad de que eso no ocurra?
FUENTES
Sobre el Naox Link y clearance FDA
Fierce Biotech, enero 2026. https://www.fiercebiotech.com/medtech/naox-technologies-nabs-first-ever-fda-clearance-ear-eeg-brain-monitoring-device
Medscape, enero 2026. https://www.medscape.com/viewarticle/fda-clears-first-ear-eeg-device-2026a10000op
Medical Product Outsourcing, enero 2026. https://www.mpo-mag.com/breaking-news/fda-clears-naox-technologies-in-ear-eeg-system/
Sobre wearables con IA en diagnóstico y monitoreo de salud mental
Wearable Artificial Intelligence for Anxiety and Depression. Journal of Medical Internet Research, 2023. https://www.jmir.org/2023/1/e42672
Wearable Device–Based AI in Detecting Depression. JMIR Mental Health, 2026. https://mental.jmir.org/2026/1/e85319
Sobre EEG con modelos de lenguaje
Bridging neuroscience and AI: a survey on LLMs for neurological signal interpretation. Frontiers in Neuroinformatics, 2025. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12213581/
Sobre actores del ecosistema
Neurosity EEG-GPT. GitHub. https://github.com/neurosity/EEG-GPT
Meta Neural Band. The New York Times, julio 2025. https://www.nytimes.com/2025/07/23/science/meta-computer-wristband-reardon.html
UCSF BCI + síntesis de habla. Psychology Today, abril 2025. https://www.psychologytoday.com/us/blog/the-future-brain/202504/ai-and-bci-transform-thoughts-to-speech-in-near-real-time
Cognitive Signals / Cornell. Neurotech Futures Newsletter, marzo 2026. https://neurotechnology.substack.com/p/notables-51
Sobre el Modelo de Integración Consciente (MIC™)
Barría Cárdenas, M. (2025). Modelo de Integración Consciente (MIC™): Un protocolo clínicamente fundamentado para la integración ética de inteligencia artificial en la práctica psicológica https://doi.org/10.5281/zenodo.19528298