Por qué el DSM puso orden en la psiquiatría, qué problemas creó y por qué todavía lo necesitamos

Hay una crítica al DSM que me resulta difícil discutir: dos personas pueden cumplir los criterios de un mismo trastorno y, sin embargo, parecerse bastante poco. Sus historias, la forma de experimentar el sufrimiento e incluso los mecanismos que lo mantienen pueden ser muy diferentes. El problema empieza cuando de esa observación, que es importante, deducimos que las clasificaciones diagnósticas no sirven para nada. Para entender por qué seguimos necesitándolas conviene recordar qué sucedía cuando no disponíamos de un lenguaje común suficientemente preciso.

Cuando el diagnóstico dependía de quién lo hiciera

Durante buena parte del siglo XX, los psiquiatras podían emplear la misma palabra para describir cuadros distintos. El significado de «esquizofrenia», «neurosis» o «depresión» variaba entre escuelas, hospitales y países. No era simplemente una discusión filosófica. Si dos investigadores seleccionaban pacientes con criterios diferentes, comparar sus resultados se volvía muy difícil. Y si dos clínicos llegaban a diagnósticos distintos ante una presentación semejante, el nombre de la enfermedad informaba menos de lo que parecía.

El DSM-I, publicado en 1952, y el DSM-II, de 1968, ofrecían categorías comunes, pero muchas de sus descripciones eran breves y dependían de interpretaciones amplias. En la psiquiatría estadounidense tenían además una presencia importante las formulaciones psicodinámicas. Eso no significa que todos los psiquiatras diagnosticaran al azar, ni que no existieran excelentes tradiciones descriptivas anteriores: Kraepelin, Bleuler y la psicopatología clásica ya habían intentado distinguir síndromes y observar sus cursos. Lo que faltaba era convertir parte de ese conocimiento en reglas suficientemente explícitas para que distintos profesionales pudieran contrastar sus decisiones.

Aquí hay una diferencia que parece pequeña y que, en realidad, cambió la disciplina. Podemos discutir si existe una enfermedad bien delimitada y, al mismo tiempo, exigir que cuando dos médicos utilicen su nombre estén hablando aproximadamente del mismo conjunto de fenómenos. Sin lo segundo, investigar lo primero resulta mucho más difícil.

Spitzer y el problema que había que resolver

En 1970, Eli Robins y Samuel Guze propusieron un programa para evaluar la validez de los diagnósticos psiquiátricos: descripción clínica, estudios de laboratorio, delimitación respecto a otros trastornos, seguimiento longitudinal y estudios familiares. Dos años después, el grupo de St. Louis publicó los llamados criterios de Feighner. Eran esfuerzos por hacer más contrastable la clasificación, no por declarar demostradas todas las enfermedades que la componían.

Robert L. Spitzer recogió y amplió esa orientación. Con Jean Endicott y Eli Robins desarrolló los Research Diagnostic Criteria, publicados en 1978, que buscaban aumentar el acuerdo entre investigadores. Spitzer encabezó además la tarea que desembocó en el DSM-III de 1980. Su propuesta introdujo criterios diagnósticos explícitos y una evaluación multiaxial, e intentó reducir el compromiso oficial del manual con una teoría causal particular. No era una neutralidad filosófica perfecta; sí una decisión práctica: quienes discrepaban sobre las causas podían, al menos, ponerse de acuerdo en qué estaban observando.

La transformación exigió también negociaciones y tuvo adversarios. La disputa sobre la palabra «neurosis» y el lugar de las explicaciones psicodinámicas muestra que la reforma no fue un descubrimiento científico trasladado sin resistencia al papel. Fue una reorganización de la psiquiatría, con argumentos científicos, decisiones profesionales y compromisos institucionales. Conviene recordarlo para evitar dos historias demasiado cómodas: que el DSM-III nació exclusivamente de la ciencia o que fue únicamente una maniobra de poder.

Qué significaba, exactamente, poner orden

La palabra decisiva es fiabilidad. Un diagnóstico es fiable cuando diferentes evaluadores, en condiciones comparables, alcanzan un acuerdo razonable. Es una propiedad del procedimiento diagnóstico, no una prueba de que hayamos encontrado una entidad natural separada de todas las demás.

Los ensayos de campo del DSM-III mostraron mejoras respecto a muchos estudios previos. En una fase con 281 pacientes adultos, la concordancia global de diagnósticos del eje I, medida mediante kappa, fue de 0,78 en entrevistas conjuntas y 0,66 con entrevistas separadas. Los propios autores advirtieron que el avance podía deberse a varios cambios combinados, entre ellos las descripciones sistemáticas y los criterios explícitos. Estos resultados no demostraban que todos los trastornos fueran fiables en cualquier escenario, pero sí ofrecían una razón empírica para considerar que la reforma había conseguido algo relevante.

Pensemos en una investigación sobre tratamientos para la depresión. Si cada centro entiende por depresión algo muy diferente, un resultado negativo puede indicar que el tratamiento no funciona o que hemos mezclado problemas clínicos demasiado heterogéneos. Definir criterios comunes no resuelve la heterogeneidad, pero hace posible detectarla y estudiarla. Este es, a mi juicio, uno de los logros que con mayor facilidad se olvidan cuando hoy juzgamos el manual desde sus deficiencias.

El éxito que creó una confusión

La dificultad apareció cuando empezamos a tratar categorías operativas como si fueran objetos naturales ya descubiertos. Conseguir que dos psiquiatras coincidan en un diagnóstico no equivale a demostrar que ese diagnóstico designa una enfermedad con una causa, un mecanismo o un pronóstico específicos. Podemos ponernos de acuerdo en el perímetro de un bosque sin que esa línea corresponda a una frontera que exista en la naturaleza.

Aquí conviene separar tres preguntas. La fiabilidad pregunta si identificamos de manera consistente un cuadro. La validez pregunta si esa categoría delimita algo que merece distinguirse, y con qué pruebas. La utilidad clínica pregunta si la distinción ayuda a tomar mejores decisiones. Se relacionan, pero ninguna sustituye automáticamente a las otras. Una categoría puede ser reproducible y, sin embargo, agrupar procesos diferentes. También puede ser clínicamente útil antes de que conozcamos con precisión sus mecanismos.

La propia clínica nos obliga a mantener esa distinción. Muchos pacientes no se ajustan cómodamente a un único casillero; sus síntomas cambian con el tiempo, atraviesan límites diagnósticos y se acompañan de otras dificultades. Las elevadas tasas de comorbilidad pueden reflejar enfermedades coexistentes, pero también fronteras construidas sobre dimensiones parcialmente compartidas. No siempre sabemos cuál de esas interpretaciones describe mejor lo que sucede.

Por otra parte, las categorías modifican nuestra manera de observar. En ocasiones facilitan reconocer un sufrimiento que antes pasaba inadvertido; en otras pueden estrechar la entrevista hasta convertirla en una búsqueda de casillas. El riesgo no reside en escribir criterios, sino en olvidar que los criterios fueron escritos para organizar una investigación y una práctica clínica que siguen siendo más amplias que ellos.

Y, sin embargo, la solución no es prescindir de clasificaciones

Es tentador responder a las limitaciones de las categorías defendiendo que solo hay personas singulares, historias y síntomas. Pero una psiquiatría sin clasificaciones no sería necesariamente más respetuosa con la singularidad; también sería una psiquiatría con mayor dificultad para transmitir conocimientos, estudiar pronósticos, comparar tratamientos o explicar por qué se toman determinadas decisiones. Incluso quien rechaza las etiquetas acaba agrupando fenómenos y estableciendo distinciones. La pregunta no es si clasificamos, sino cómo y para qué.

Esto tampoco obliga a identificar clasificación psiquiátrica con DSM. La CIE de la Organización Mundial de la Salud cumple una función internacional decisiva. Sus orientaciones clínicas para la CIE-11, publicadas en 2024, incorporan perspectivas dimensionales en algunos ámbitos y atención a las diferencias culturales. La existencia de alternativas y de revisiones sucesivas demuestra que una taxonomía clínica puede ser común sin tener que considerarse definitiva.

Tampoco debemos exagerar lo conseguido con el tiempo. Los estudios de campo del DSM-5 encontraron fiabilidades muy variables según el diagnóstico, y su diseño no es directamente comparable con el de 1980. No bastaría con mostrar un coeficiente elevado del DSM-III y otro más bajo del DSM-5 para concluir que todo ha empeorado: cambian los procedimientos, las muestras y los problemas evaluados. Lo que sí podemos concluir es que la fiabilidad sigue siendo una tarea empírica, no una propiedad garantizada por imprimir criterios en un manual.

Lo que tendría que pedirle a un diagnóstico

En la consulta, un diagnóstico debería ayudarme a reconocer un patrón, comunicarlo, estimar posibilidades y orientar decisiones. No debería impedirme preguntar qué le sucede exactamente a esta persona, qué significado tiene su experiencia, cómo ha llegado hasta aquí o por qué su evolución no encaja en lo esperado. El diagnóstico y la formulación clínica no son rivales: responden a preguntas parcialmente distintas.

Tampoco todas las categorías necesitan defenderse del mismo modo. Algunas muestran perfiles de curso, respuesta terapéutica o agregación familiar más consistentes; otras son agrupaciones todavía inestables. Es razonable exigirles diferentes grados de confianza y permanecer dispuesto a modificarlas o abandonarlas. En ese sentido, sería preferible un manual que señalase mejor los límites de sus afirmaciones a uno que multiplicase nombres aparentemente exactos.

Creo que la aportación más duradera de Spitzer no fue proporcionarnos una lista definitiva de trastornos, sino haber hecho visible una exigencia previa a cualquier debate sobre ellos: antes de comprobar si nuestras categorías son verdaderas, tenemos que poder decir con suficiente precisión a qué nos referimos. El error posterior fue olvidar el carácter provisional de ese acuerdo. Y ese error se corrige revisando las clasificaciones, no renunciando a construirlas.

Referencias para seguir leyendo

• Robins E, Guze SB (1970). Establishment of diagnostic validity in psychiatric illness
• Spitzer RL, Endicott J, Robins E (1978). Research Diagnostic Criteria: Rationale and Reliability
• Spitzer RL, Forman JB, Nee J (1979). DSM-III field trials: I. Initial interrater diagnostic reliability
• Spitzer RL, Williams JBW, Skodol AE (1980). DSM-III: The major achievements and an overview
• Bayer R, Spitzer RL (1985). Neurosis, Psychodynamics, and DSM-III: A History of the Controversy
• Regier DA et al. (2013). DSM-5 field trials, Part II
• Organización Mundial de la Salud (2024). Clinical descriptions and diagnostic requirements for ICD-11