Det har visat sig att psykiska problem ofta återspeglas i det språk som de drabbade använder
Forskare vid universitetet i Sao Paulo i Brasilien använder artificiell intelligens och den sociala plattformen Twitter för att skapa prediktiva modeller för depression och ångest, som i framtiden kan hjälpa till att upptäcka dessa tillstånd innan klinisk diagnos. Detta rapporterades av den elektroniska upplagan "Medical Express".
Resultaten av forskningen publicerades i tidningen "Language Resources and Evaluation".
Det första inslaget i studien är uppbyggnaden av en databas kallad ”SetembroBR”. Den innehåller information från en portugisiskspråkig textanalys och ett nätverk av kontakter som involverar 3,900 47 Twitter-användare som före studien sa att de hade diagnostiserats eller behandlats för psykiska problem. Databasen innehåller alla offentliga inlägg från dessa användare, eller totalt cirka XNUMX miljoner korta textmeddelanden.
"Först samlade vi in inläggen manuellt, analyserade tweets från cirka 19,000 XNUMX personer, vilket motsvarar befolkningen i en by eller liten stad. Sedan använde vi två uppsättningar databaser – med personer som diagnostiserats med psykiska problem och en slumpmässigt utvald kontrollgrupp”, sa chefen för studien av Ivandre Paraboni, en föreläsare vid College of Arts, Sciences and Humanities vid University of São Paulo.
I studien samlades och analyserades tweets från vänner och följare till deltagarna. "De här människorna attraheras av varandra. De har gemensamma intressen”, säger Paraboni, som också är forskare vid Centrum för artificiell intelligens.
Den andra fasen av studien pågår fortfarande, men det finns redan preliminära resultat. Enligt dem är det möjligt att förutsäga om en person är benägen att utveckla depression endast baserat på hans vänner och följare på sociala nätverk, utan att analysera innehållet i hans personliga inlägg.
Tidigare forskning har funnit att psykiska problem ofta återspeglas i språket som används av drabbade. De flesta av dessa studier analyserade texter på engelska.