Copyrights. Kenneth Matías Echaiz Ríos,
2026. Todos los derechos reservados.
La determinación de si una persona acusada posee la capacidad necesaria para afrontar un proceso penal, comprender los cargos y colaborar con su defensa constituye uno de los pilares del derecho procesal moderno. Esta valoración, conocida como evaluación de la competencia para el juicio o capacidad procesal, trasciende la mera verificación de un diagnóstico clínico para adentrarse en la intersección entre las funciones cognitivas, la psicopatología y las garantías judiciales. Cuando un tribunal alberga dudas sobre la aptitud del acusado, el perito neuropsicólogo forense asume la responsabilidad de traducir hallazgos científicos en información comprensible y útil para el juzgador.
Los errores en esta evaluación tienen consecuencias profundas. Una valoración que declare incompetente a quien sí lo es vulnera su derecho a defenderse y retrasa injustificadamente el procedimiento. En el extremo opuesto, juzgar a una persona que carece de las facultades para entender lo que sucede o para comunicarse con su abogado socava la legitimidad del proceso y puede dar lugar a condenas injustas. En este delicado equilibrio, la neuropsicología forense aporta un cuerpo de conocimientos y herramientas que permiten objetivar déficits cognitivos y relacionarlos directamente con las exigencias funcionales del rol de acusado.
En los últimos años, la irrupción de la inteligencia artificial explicable (XAI, por sus siglas en inglés, que se traduce como inteligencia artificial explicable) está abriendo nuevas posibilidades para aumentar la precisión, la transparencia y la personalización de estas evaluaciones. Frente a los modelos de caja negra, donde ni siquiera el profesional sabe cómo se ha llegado a una conclusión, la XAI desglosa el peso de cada variable, mostrando de forma comprensible por qué un determinado perfil cognitivo justifica una recomendación pericial concreta. Este artículo explora la confluencia entre la neuropsicología forense de la capacidad procesal y las herramientas de inteligencia artificial explicable, ofreciendo una guía actualizada para profesionales del derecho, la psicología y la psiquiatría forense.
La competencia para el juicio no es un constructo unitario, sino que se descompone en varias capacidades funcionales interdependientes. La jurisprudencia y los estándares internacionales, como el estándar Dusky en Estados Unidos o los criterios recogidos en los ordenamientos iberoamericanos, exigen que el acusado comprenda la naturaleza del procedimiento, el rol de los distintos actores judiciales, los posibles desenlaces y las consecuencias de sus decisiones. Además, debe ser capaz de comunicarse con su defensa de manera racional y de tomar decisiones informadas sobre aspectos clave como la aceptación de un acuerdo o la declaración en el juicio. Estas habilidades descansan sobre una arquitectura cognitiva compleja que la neuropsicología puede evaluar de manera sistemática.
Desde el punto de vista neuropsicológico, la capacidad procesal implica una constelación de funciones que incluyen la comprensión verbal, la memoria episódica y semántica, las funciones ejecutivas, la cognición social y la capacidad de razonamiento abstracto. La comprensión verbal resulta indispensable para asimilar la información legal, a menudo expresada en un lenguaje técnico y abstracto. La memoria permite retener datos sobre el caso, las pruebas y las conversaciones con la defensa a lo largo de un proceso que puede prolongarse meses o años. Las funciones ejecutivas, asentadas en la corteza prefrontal, sustentan la planificación de estrategias de defensa, la inhibición de respuestas impulsivas y la flexibilidad para adaptarse a nueva información o a los cambios en la estrategia legal.
Las funciones ejecutivas constituyen el sistema de control cognitivo que permite al acusado evaluar opciones, anticipar consecuencias y autorregular su comportamiento en la sala de vistas. Alteraciones en la corteza prefrontal dorsolateral, orbitofrontal o ventromedial pueden comprometer gravemente la capacidad de tomar decisiones racionales sobre aspectos como declarar o no, aceptar un acuerdo de culpabilidad o renunciar a determinados derechos. Un déficit ejecutivo puede manifestarse en una tendencia a la perseveración, dificultando que el acusado abandone una estrategia de defensa poco realista, o en una impulsividad que le lleve a tomar decisiones precipitadas sin sopesar adecuadamente las consecuencias a largo plazo.
La investigación neuropsicológica ha identificado que incluso déficits sutiles en la memoria de trabajo o en la velocidad de procesamiento pueden afectar la capacidad del acusado para seguir el ritmo de un interrogatorio o para integrar información presentada de forma secuencial durante las sesiones del juicio. En estos casos, lo que a simple vista podría interpretarse como desinterés o falta de colaboración puede ser en realidad la expresión de una limitación cognitiva real. La evaluación mediante pruebas estandarizadas, como el Test de Wisconsin, la torre de Hanoi o las pruebas de fluidez verbal, permite cuantificar estos déficits y relacionarlos funcionalmente con las demandas del procedimiento judicial.
La cognición social engloba el conjunto de habilidades que nos permiten percibir, interpretar y responder a los estados mentales de los demás. En el contexto de la competencia para el juicio, esta capacidad resulta crucial para comprender las intenciones y motivaciones de los actores procesales: el fiscal busca una condena, el abogado defensor vela por los intereses del acusado y el juez actúa como árbitro imparcial. Un déficit en teoría de la mente o en reconocimiento de emociones faciales puede distorsionar esta percepción, llevando al acusado a interpretar erróneamente las preguntas del fiscal como intentos de ayudarle o a desconfiar injustificadamente de su propio abogado.
Trastornos como el espectro autista, ciertos tipos de esquizofrenia o lesiones en la corteza prefrontal medial y en la unión temporoparietal pueden alterar de forma específica la cognición social, preservando otras capacidades cognitivas. En estos supuestos, el acusado podría responder correctamente a preguntas sobre hechos concretos del caso, pero fracasar estrepitosamente en la comprensión del contexto interpersonal del juicio. La evaluación neuropsicológica forense debe incluir pruebas específicas de cognición social, como el Test de la Mirada o paradigmas de atribución de intenciones, para detectar estas disociaciones y valorar su impacto real en la capacidad procesal.
La evaluación de la competencia para el juicio se ha apoyado tradicionalmente en entrevistas clínicas semiestructuradas y en instrumentos como el MacArthur Competence Assessment Tool – Criminal Adjudication (MacCAT-CA) o el Evaluation of Competency to Stand Trial – Revised (ECST-R). Estas herramientas operacionalizan los criterios legales en escalas que exploran la comprensión del procedimiento, el razonamiento sobre las opciones legales y la capacidad de comunicación con la defensa. Su uso sistemático ha mejorado la fiabilidad de las evaluaciones en comparación con el juicio clínico no estructurado, permitiendo a los peritos documentar de forma reproducible los déficits observados.
Sin embargo, estos instrumentos presentan limitaciones importantes. Por un lado, dependen en gran medida de la capacidad verbal y de la disposición del evaluado a colaborar, lo que los hace vulnerables a la simulación o al falseamiento cognitivo. Por otro, no integran de forma sistemática los resultados de pruebas neuropsicológicas objetivas de funciones ejecutivas, memoria o cognición social, limitándose a una valoración funcional que, aunque estructurada, sigue siendo relativamente gruesa. La consecuencia es que dos evaluadores pueden coincidir en la puntuación de una escala y, sin embargo, diferir en la conclusión final sobre la competencia, especialmente en casos límite donde los déficits son sutiles.
La subjetividad inherente al juicio profesional, aunque guiado por escalas, plantea problemas de transparencia y defensa ante el contrainterrogatorio en sede judicial. El perito puede tener dificultades para explicar por qué, partiendo de los mismos datos, llega a una conclusión distinta a la de otro experto. Esta opacidad no solo debilita la credibilidad del informe pericial, sino que puede vulnerar el derecho del acusado a un proceso con garantías, al descansar decisiones tan trascendentes sobre fundamentos que no son del todo explícitos ni cuantificables. Precisamente aquí es donde la inteligencia artificial explicable ofrece un salto cualitativo.
La inteligencia artificial explicable (XAI) representa un cambio de paradigma frente a los modelos algorítmicos tradicionales, a menudo descritos como cajas negras porque producen predicciones sin revelar el razonamiento subyacente. En el contexto forense, donde cualquier conclusión pericial debe ser transparente, auditable y sometida a contradicción, carece de utilidad un sistema que simplemente emita una probabilidad de incompetencia sin detallar qué factores han contribuido a ese resultado. La XAI resuelve este problema mediante técnicas que descomponen la contribución relativa de cada variable predictora, permitiendo al evaluador y al tribunal comprender cómo se ha llegado a una determinada estimación.
Técnicas como SHAP (SHapley Additive exPlanations) o LIME (Local Interpretable Model-agnostic Explanations), traducidas respectivamente como explicaciones aditivas de Shapley y explicaciones locales interpretables independientes del modelo, asignan un valor de importancia a cada dato introducido en el sistema. Por ejemplo, en un caso de evaluación de capacidad procesal, la XAI podría revelar que el factor más determinante para sugerir incompetencia es un déficit severo en la memoria de trabajo, mientras que los síntomas psicóticos positivos, aunque presentes, tienen un impacto menor porque no interfieren directamente con la comprensión del procedimiento. Esta granularidad explicativa permite al perito argumentar su conclusión ante el juez de manera fundamentada y comprensible.
Además, la XAI facilita la detección de sesgos en los modelos de predicción. Si el algoritmo otorga un peso desproporcionado a variables como la edad, el nivel educativo o el origen étnico, estas distorsiones quedan expuestas y pueden ser corregidas antes de que el sistema se utilice en la práctica. Esta capacidad de auditoría resulta imprescindible para garantizar que la herramienta respeta los principios de igualdad y no discriminación, protegiendo a los grupos más vulnerables frente a decisiones automatizadas que podrían perpetuar desigualdades estructurales bajo una apariencia de objetividad científica.
Un sistema avanzado de apoyo a la evaluación de la competencia para el juicio integra tres grandes fuentes de información: los resultados de la entrevista clínico-forense (incluyendo escalas como el MacCAT-CA), los datos de una batería neuropsicológica estandarizada y, cuando estén disponibles, biomarcadores de neuroimagen funcional o registros electrofisiológicos. El modelo explicable no se limita a promediar estas fuentes, sino que analiza sus interacciones complejas, identificando, por ejemplo, cómo un bajo rendimiento en tareas de razonamiento abstracto se combina con una mala puntuación en la escala de comprensión legal para elevar significativamente el riesgo de incompetencia.
La riqueza de esta integración multimodal permite superar las limitaciones de los métodos tradicionales. Mientras que una escala por sí sola podría clasificar a un acusado como «probablemente competente» basándose en su capacidad para verbalizar conceptos legales, la adición de pruebas ejecutivas podría revelar una impulsividad extrema que le impide aplicar ese conocimiento en la sala de vistas. La XAI hace visible esta interacción, proporcionando al perito un perfil detallado en el que se distinguen las capacidades preservadas de las alteradas y se pondera su impacto específico sobre las distintas exigencias del procedimiento judicial.
La construcción de un modelo de XAI para la capacidad procesal exige una cuidadosa selección de variables que estén empíricamente vinculadas con la competencia para el juicio y que sean susceptibles de medición objetiva. Entre las más validadas se encuentran el rendimiento en pruebas de memoria verbal, la fluidez semántica y fonológica como índices de flexibilidad cognitiva y acceso al léxico, la capacidad de inhibición medida mediante paradigmas go/no-go o test de Stroop, y las puntuaciones en escalas de psicopatología general y síntomas psicóticos. También se incluyen variables históricas como antecedentes de tratamiento psiquiátrico, existencia de diagnósticos previos y respuesta a tratamientos farmacológicos.
La siguiente tabla resume las principales categorías de variables que pueden integrarse en un modelo explicable de evaluación de la capacidad procesal, junto con su relevancia funcional y ejemplos de instrumentos de medida.
| Categoría de variable | Relevancia funcional | Ejemplos de instrumentos |
|---|---|---|
| Comprensión verbal y legal | Asimilación de los cargos, el procedimiento y los roles judiciales | MacCAT-CA, ECST-R, subescalas de WAIS-IV |
| Memoria episódica y de trabajo | Retención de información relevante para la defensa | Test de recuerdo selectivo, dígitos inversos, carta de la WMS-IV |
| Funciones ejecutivas | Planificación, inhibición y toma de decisiones racionales | Test de Wisconsin, Stroop, torre de Hanoi, BRIEF-A |
| Cognición social | Comprensión de intenciones ajenas y percepción de roles | Test de la Mirada, tareas de falsa creencia, batería NEPSY-II |
| Sintomatología psicopatológica | Interferencia de los síntomas con las capacidades funcionales | PANSS, BPRS, SCL-90-R |
| Biomarcadores y neuroimagen | Correlatos cerebrales de déficits estructurales o funcionales | Resonancia magnética funcional, potenciales evocados |
La transparencia de un modelo de XAI no se limita a proporcionar una lista de factores ordenados por importancia. Implica también ofrecer al evaluador la posibilidad de explorar cómo cambiaría la recomendación si se modificara hipotéticamente una variable. Por ejemplo, el sistema podría mostrar que si el acusado recibiera psicoeducación intensiva sobre el procedimiento legal, su puntuación en comprensión mejoraría hasta un umbral que lo situaría en la franja de competencia. Esta capacidad de simular escenarios convierte al modelo en una herramienta no solo de diagnóstico, sino también de planificación de intervenciones restaurativas de la capacidad procesal.
La explicabilidad local, centrada en el caso concreto, es tan importante como la global. LIME genera explicaciones comprensibles para una decisión individual, indicando, por ejemplo, que «este acusado tiene una probabilidad de ser declarado incompetente del 78% debido principalmente a su incapacidad para retener información a medio plazo y a su puntuación baja en comprensión de los roles judiciales». Este tipo de salida permite al perito incorporar el resultado del modelo en su informe con total conocimiento de los fundamentos en los que se basa, manteniendo en todo momento la capacidad de disentir y de ejercer su juicio profesional.
La implementación de estos sistemas en el ámbito forense no pretende sustituir al perito, sino funcionar como un asistente cognitivo que procesa grandes volúmenes de información y presenta inferencias accionables y transparentes. En la práctica diaria, el neuropsicólogo forense administra la batería de pruebas, introduce los resultados en la plataforma de XAI junto con los datos de la entrevista clínica y recibe un informe detallado que puede incorporar a su razonamiento. Esta información complementa el juicio profesional estructurado, aportando una capa adicional de objetividad y sistematicidad que resulta especialmente valiosa en casos complejos o cuando las opiniones periciales son contradictorias.
Los jueces y tribunales también se benefician de esta tecnología. Un informe pericial que detalla no solo la conclusión final, sino el peso de cada factor neuropsicológico en la misma, resulta más comprensible y más fácilmente valorable en el contexto del debate procesal. La defensa y la acusación pueden interrogar al perito sobre aspectos concretos del modelo, discutiendo la relevancia otorgada a tal o cual variable, pero sobre una base explícita y documentada, alejándose de la opacidad que a veces caracteriza las conclusiones periciales tradicionales. Esto fortalece el principio de contradicción y contribuye a elevar la calidad de la prueba pericial.
La introducción de la inteligencia artificial explicable en las evaluaciones forenses no está exenta de riesgos que deben ser abordados con rigor antes de su generalización. El primero de ellos es la calidad y representatividad de los datos con los que se entrena el modelo. Si las muestras utilizadas para construir el algoritmo provienen exclusivamente de población anglosajona, masculina o de un rango socioeconómico determinado, las predicciones pueden ser sesgadas cuando se apliquen a acusados hispanohablantes, mujeres o personas de contextos culturales diversos. La validación transcultural y la actualización constante de los datos de entrenamiento son, por tanto, requisitos ineludibles.
Un segundo desafío concierne al riesgo de automatización del juicio pericial. La herramienta debe configurarse legal y deontológicamente como un apoyo a la decisión, nunca como un sustituto del perito. La responsabilidad última de la conclusión debe recaer siempre en el profesional, que tiene el deber de conocer los fundamentos del modelo, sus limitaciones y sus posibles sesgos. La formación especializada de neuropsicólogos y psiquiatras forenses en conceptos básicos de ciencia de datos y aprendizaje automático se convierte así en una prioridad formativa para las próximas generaciones de peritos.
El derecho a un proceso justo exige que la parte acusada pueda impugnar de manera efectiva las pruebas que se presentan en su contra. Tratándose de un informe pericial basado en XAI, esta garantía se traduce en la necesidad de que tanto el modelo como los datos de entrenamiento sean accesibles a las partes, al menos en un nivel de descripción suficiente para permitir la contradicción. Los tribunales deberán encontrar un equilibrio entre la protección de la propiedad intelectual del sistema y el derecho de defensa, una tensión que ya se ha materializado en otros ámbitos, como el uso de algoritmos para la valoración del riesgo de reincidencia en Estados Unidos.
Adicionalmente, debe garantizarse que la decisión judicial final no delegue en el algoritmo la determinación de la competencia, sino que se base en una valoración conjunta de la prueba, incluyendo el informe pericial, la observación directa del acusado y el resto de elementos probatorios. La XAI es una herramienta al servicio del proceso, no un juez artificial. Mantener esta distinción exige una alfabetización digital de los operadores jurídicos, que deben ser capaces de comprender, al menos en sus líneas generales, qué tipo de información proporciona el modelo y qué limitaciones presenta.
La evaluación de si una persona puede ser juzgada ha recorrido un largo camino desde las impresiones subjetivas hasta los métodos estructurados y, ahora, la inteligencia artificial explicable. En términos sencillos, esta nueva herramienta funciona como un asistente que analiza de forma transparente toda la información recogida por el psicólogo forense —el funcionamiento de la memoria, la capacidad de comprensión, el control de impulsos o la habilidad para interpretar las intenciones de los demás— y muestra qué factores son los más importantes para determinar si alguien está en condiciones de afrontar un juicio. Lo más relevante es que este sistema no es una caja cerrada: explica sus razones de manera que el profesional y, en última instancia, el tribunal puedan entender y valorar.
Para los profesionales del derecho, contar con informes periciales que incorporen esta tecnología significa disponer de pruebas más objetivas, detalladas y fáciles de interrogar durante el juicio oral. Se reduce la incertidumbre y se eleva la calidad del debate procesal, permitiendo que las decisiones sobre la competencia se tomen sobre bases más firmes. Para el público general, la implicación es clara: un sistema de justicia que utiliza herramientas capaces de explicar sus razonamientos protege mejor los derechos de todos los implicados, garantizando que nadie sea juzgado sin tener la capacidad real para comprender lo que está sucediendo y defenderse adecuadamente.
La evidencia revisada apoya la viabilidad y la utilidad de integrar modelos de inteligencia artificial explicable en la evaluación de la competencia para el juicio. Frente a las limitaciones del juicio profesional estructurado basado exclusivamente en escalas clínicas, la incorporación de pruebas neuropsicológicas objetivas y su procesamiento mediante algoritmos explicables añade una capa de cuantificación y trazabilidad que fortalece la calidad epistémica del informe pericial. Técnicas como SHAP y LIME permiten descomponer la contribución de cada variable —desde la memoria de trabajo hasta la cognición social— y ofrecen una representación visual y numérica de las interacciones entre déficits que los métodos tradicionales solo pueden sugerir de forma cualitativa.
No obstante, la traslación de estos sistemas a la práctica forense iberoamericana requiere superar barreras importantes: la escasez de muestras de validación en poblaciones judiciales locales, la necesidad de adaptar los instrumentos neuropsicológicos a los contextos lingüísticos y culturales, y la urgencia de formar a los peritos en los fundamentos de la ciencia de datos explicable. La investigación futura debería dirigirse hacia estudios longitudinales que validen prospectivamente modelos integrados, prestando atención a la equidad algorítmica en subgrupos minoritarios y a la estabilidad de las predicciones en diferentes momentos del procedimiento. El objetivo no es alcanzar una certeza predictiva absoluta —aspiración imposible en el ámbito forense—, sino mejorar la información sobre la que se adoptan decisiones que afectan a derechos fundamentales, manteniendo siempre al perito humano como garante último de la interpretación contextualizada y responsable de los hallazgos neuropsicológicos.
Descubre cómo NeuroKer mejora tu bienestar utilizando tecnología avanzada y datos. Empatía y precisión al servicio de tu crecimiento personal.