La capacidad de los grandes modelos de lenguaje para recordar emociones humanas ofrece una oportunidad novedosa para investigar los vínculos entre la memoria, el afecto y la salud mental. Este estudio explora si la Tarea de Recuerdo Emocional (ERT), un paradigma de asociación libre de palabras, puede revelar marcadores cognitivos de angustia tanto en humanos como en modelos de lenguaje grandes (LLMs). Utilizando simulaciones de activación en expansión basadas en la ciencia de redes cognitivas, examinamos cómo el recuerdo de conceptos emocionales (por ejemplo, estrés, ansiedad y depresión) se relaciona con medidas psicométricas de bienestar y personalidad. En el Estudio 1, se probaron correlaciones entre la dinámica de activación y escalas clínicas (DASS-21, PANAS y Satisfacción con la Vida) en participantes humanos (N = 1200) y participantes artificiales generados por GPT-4, Claude Haiku y Anthropic Opus. Para ambas muestras, humana y LLM, la activación en expansión se modeló a partir de las palabras de ERT de los participantes dentro de una red semántica derivada de humanos, lo que permitió una comparación directa de las dinámicas de activación estructural en lugar de estados psicológicos. Los humanos con puntuaciones de angustia más altas mostraron una activación más fuerte, rápida y persistente de conceptos negativos, apoyando teorías de rumiación y sesgo de memoria. GPT-4 se aproximó más a las trayectorias humanas, aunque con menor variabilidad. El Estudio 2 vinculó las dinámicas de recuerdo con los cinco grandes rasgos, confirmando que el neuroticismo predecía una mayor activación de conceptos negativos, mientras que la extraversión actuaba como un factor protector. Aunque los LLM carecen de memoria autobiográfica, su activación semántica reflejó parcialmente las asociaciones humanas. Estos hallazgos demuestran que el análisis de activación en expansión basado en redes puede revelar firmas cognitivas de angustia, al tiempo que destaca los límites de los LLM en la modelización del afecto humano.