Millions of people around the world are affected by one or more mental disorders that in- terfere with their thinking and behavior. Timely detection of these issues is challenging but crucial since it could open the possibility to offer help to people before the illness gets worse. One alternative to accomplish this is to monitor how people express themselves, that is for example what and how they write, or even a step further, what emotions they express in their social media communications. Over the last few years, studies related to the detection of mental disorders in social media have been increasing. The latter because the awareness created by health campaigns that emphasize the commonness of these disorders among all of us, that also has motivated the creation of new datasets, many of them extracted from social media platforms. In this study, we aim to contribute with the analysis of three major mental disorders that are hitting the world: Anorexia, Self-harm, and Depression. To this end, we propose a novel model that, first, extracts three different views, or information channels, from the posts shared by users: thematic interests, writing style, and emotions. Then, it fusions the information from each channel by using a gated multi-modal unit a module that learns the relations between channels. We evaluate the feasibility of our approach in the aforementioned tasks, first by comparing its output against traditional and modern strategies, and later against the best contestants in the eRisk evaluation forum, a workshop that explores issues related to the evaluation of methodologies and practical applications of topics related to health and safety for early risk detection on the internet.Millones de personas en todo el mundo se ven afectadas por uno o varios trastornos mentales que interfieren en su pensamiento y comportamiento. La detección oportuna de estos problemas es un reto, pero es crucial, ya que podría abrir la posibilidad de ofrecer ayuda a las personas antes de que la enfermedad empeore. Una alternativa para lograrlo es vigilar cómo se expresan las personas, es decir, por ejemplo, qué y cómo escriben, o incluso un paso más allá, qué emociones expresan en sus comunicaciones en las redes sociales. En los últimos años han aumentado los estudios relacionados con la detección de trastornos mentales en los medios sociales. Esto último se debe a la concienciación creada por las campañas sanitarias que hacen hincapié en lo común de estos trastornos entre todos nosotros, lo que también ha motivado la creación de nuevos conjuntos de datos, muchos de ellos extraídos de las plataformas de medios sociales. En este estudio, pretendemos contribuir con el análisis de tres de los principales trastornos mentales que azotan al mundo: Anorexia, Autolesiones y Depresión. Para ello, proponemos un modelo novedoso que, en primer lugar, extrae tres puntos de vista diferentes, o canales de información, de las publicaciones compartidas por los usuarios: intereses temáticos, estilo de escritura y emociones. A continuación, fusiona la información de cada canal utilizando una unidad multimodal un módulo que aprende las relaciones entre canales. Evaluamos la viabilidad de nuestro enfoque en las tareas mencionadas, primero comparando su resultado con estrategias tradicionales y modernas, y después con los mejores concursantes del foro de evaluación eRisk, un taller que explora cuestiones relacionadas con la evaluación de metodologías y aplicaciones prácticas de temas relacionados con la salud y la seguridad para la detección temprana de riesgos en Internet.