La detección automatizada de suicidio ha avanzado rapidamente en sofisticacion técnica, pero una restriccion matematica fundamental — la extrema rareza del suicidio — significa que incluso los mejores modelos producen abrumadores falsos positivos a escala. Tras 50 anos y 365 estudios, la precision de prediccion apenas supera el azar (Franklin et al., 2017). Los modelos transformer alcanzan AUC > 0.91 en benchmarks, pero el valor predictivo positivo permanece en o bajo 1% para muerte por suicidio.
El lenguaje absolutista ("siempre", "nunca") es uno de los marcadores linguisticos mas fuertes, con d > 3.14 en foros de ideación suicida. Los pronombres en primera persona singular reflejan desconexion social, mientras que el estrechamiento temporal — el colapso de la orientacion futura — puede ser el marcador mas importante para distinguir riesgo agudo de crónico. Un hallazgo sorprendente: las palabras explicitas sobre muerte no difirieron significativamente entre episodios de intento y periodos de menor riesgo.
Sistemas desplegados como Crisis Text Line procesan millones de mensajes diarios, con su algoritmo identificando el 86% de personas en riesgo severo inminente. Meta escanea proactivamente todas las publicaciones (excepto en la UE por GDPR). El programa REACH VET del VA logro una reducción del 5% en intentos documentados. Sin embargo, ninguno de estos sistemas ha publicado datos completos de precision, y la controversia de Loris.ai expuso tensiones éticas significativas.
Para SentirIA, la detección de crisis debe ser infraestructura fundacional, no un caso marginal. Se requiere una arquitectura de escalamiento de 4 niveles, desde monitoreo rutinario hasta peligro inminente, con protocolos pre-escritos clinicamente validados que reemplacen al LLM en situaciones de alto riesgo.