¿En qué puede ayudar una evaluación neuropsicológica en esquizofrenia?

En esquizofrenia, la evaluación neuropsicológica no solo describe déficits: también ayuda a predecir funcionamiento real, pronóstico psicosocial, necesidad de apoyos, respuesta a rehabilitación y probabilidad diferencial de respuesta farmacológica.

1. Funcionamiento diario y autonomía

El rendimiento cognitivo predice bastante bien cómo la persona se manejará en la vida real: organización cotidiana, independencia, capacidad de estudiar/trabajar, autocuidado, manejo de tareas y adaptación social. En esquizofrenia, los dominios más relevantes son velocidad de procesamiento, atención, memoria verbal/visual, memoria de trabajo y funciones ejecutivas. La iniciativa MATRICS identificó precisamente estos dominios como centrales en la cognición afectada en esquizofrenia.

2. Funcionamiento laboral o académico

Las alteraciones en velocidad de procesamiento, memoria de trabajo, aprendizaje verbal y funciones ejecutivas se asocian con peor desempeño ocupacional. Estudios en esquizofrenia de inicio reciente han mostrado que la neurocognición predice resultados laborales, especialmente cuando se combina con síntomas negativos y apoyos psicosociales.

3. Funcionamiento social

La cognición social —reconocimiento emocional, teoría de la mente, interpretación de intenciones, sesgo atribucional— predice el funcionamiento interpersonal. Una revisión/meta-análisis reportó asociaciones de magnitud media entre cognición social y resultados funcionales, con correlaciones aproximadas entre r = .31 y .48.

4. Severidad funcional más allá de los síntomas positivos

Una idea importante: la persona puede tener menos delirios o alucinaciones, pero seguir con mucha discapacidad si mantiene alteraciones cognitivas y síntomas negativos. Estudios recientes muestran que los déficits cognitivos y los síntomas negativos son predictores clave del funcionamiento psicosocial, y que más del 80% de los pacientes puede presentar algún grado de déficit cognitivo. (Nature)

5. Respuesta a antipsicóticos

Aquí hay evidencia muy útil. Un estudio de 2025 en esquizofrenia de primer episodio, sin tratamiento previo, usó machine learning y encontró que pruebas neurocognitivas basales podían predecir respuesta antipsicótica a 8 semanas. Las pruebas con mayor valor predictivo incluyeron Trail Making Test A, Grooved Pegboard, PASAT, aprendizaje verbal, aprendizaje visoespacial y Color Trails. El mejor modelo alcanzó una precisión balanceada de 68,8%.

6. Riesgo de resistencia al tratamiento

En primer episodio psicótico, peor funcionamiento cognitivo general o menor CI basal se ha asociado con mayor probabilidad posterior de resistencia al tratamiento antipsicótico. Esto no significa que el CI “determine” la respuesta, pero sí que el perfil cognitivo inicial puede ser una señal pronóstica relevante.

7. Necesidad de apoyos y tipo de rehabilitación

La evaluación permite estimar si la persona necesitará apoyo en memoria prospectiva, planificación, adherencia a rutinas, manejo de medicación, estudio/trabajo protegido, intervención familiar, rehabilitación cognitiva o entrenamiento en habilidades sociales. Esto es clínicamente muy valioso porque no solo responde “qué diagnóstico tiene”, sino qué necesita para funcionar mejor.

Referencias:

• Aguirre, J. M., Díaz Dellarossa, C., Barbagelata, D., Vásquez, J., Mena, C., Tepper, Á., Ramírez-Mahaluf, J. P., Aceituno, D., Nachar, R., Undurraga, J., González-Valderrama, A., & Crossley, N. A. (2025). Cognitive function at first episode in patients subsequently developing treatment-resistant schizophrenia. Schizophrenia Research, 276, 178–184. https://doi.org/10.1016/j.schres.2025.01.017
• Fett, A.-K. J., Viechtbauer, W., Dominguez, M.-G., Penn, D. L., van Os, J., & Krabbendam, L. (2011). The relationship between neurocognition and social cognition with functional outcomes in schizophrenia: A meta-analysis. Neuroscience & Biobehavioral Reviews, 35(3), 573–588. https://doi.org/10.1016/j.neubiorev.2010.07.001
• Green, M. F., Kern, R. S., Braff, D. L., & Mintz, J. (2000). Neurocognitive deficits and functional outcome in schizophrenia: Are we measuring the “right stuff”? Schizophrenia Bulletin, 26(1), 119–136. https://doi.org/10.1093/oxfordjournals.schbul.a033430
• Green, M. F., Kern, R. S., & Heaton, R. K. (2004). Longitudinal studies of cognition and functional outcome in schizophrenia: Implications for MATRICS. Schizophrenia Research, 72(1), 41–51. https://doi.org/10.1016/j.schres.2004.09.009
• Halverson, T. F., Orleans-Pobee, M., Merritt, C., Sheeran, P., Fett, A.-K. J., & Penn, D. L. (2019). Pathways to functional outcomes in schizophrenia spectrum disorders: Meta-analysis of social cognitive and neurocognitive predictors. Neuroscience & Biobehavioral Reviews, 105, 212–219. https://doi.org/10.1016/j.neubiorev.2019.07.020
• Nuechterlein, K. H., Barch, D. M., Gold, J. M., Goldberg, T. E., Green, M. F., & Heaton, R. K. (2004). Identification of separable cognitive factors in schizophrenia. Schizophrenia Research, 72(1), 29–39. https://doi.org/10.1016/j.schres.2004.09.007
• Nuechterlein, K. H., Green, M. F., Kern, R. S., Baade, L. E., Barch, D. M., Cohen, J. D., Essock, S., Fenton, W. S., Frese, F. J., III, Gold, J. M., Goldberg, T., Heaton, R. K., Keefe, R. S. E., Kraemer, H. C., Mesholam-Gately, R., Seidman, L. J., Stover, E., Weinberger, D. R., Young, A. S., ... Marder, S. R. (2008). The MATRICS Consensus Cognitive Battery, part 1: Test selection, reliability, and validity. American Journal of Psychiatry, 165(2), 203–213. https://doi.org/10.1176/appi.ajp.2007.07010042
• Nuechterlein, K. H., Subotnik, K. L., Green, M. F., Ventura, J., Asarnow, R. F., Gitlin, M. J., Yee, C. M., Gretchen-Doorly, D., & Mintz, J. (2011). Neurocognitive predictors of work outcome in recent-onset schizophrenia. Schizophrenia Bulletin, 37(Suppl. 2), S33–S40. https://doi.org/10.1093/schbul/sbr084
• Wang, X., Gao, T., Guo, X., Huang, B., Ji, Y., Hu, W., Yin, X., Zheng, Y., Pu, C., & Yu, X. (2025). Neurocognition as a major predictor of 8-week response to antipsychotics for drug-naïve first-episode schizophrenia using machine learning. Schizophrenia, 11, Article 105. https://doi.org/10.1038/s41537-025-00640-y