Investigadores de la Universidad de São Paulo (USP) en Brasil están utilizando inteligencia artificial (IA) y Twitter, una de las plataformas de redes sociales más grandes del mundo, para tratar de crear modelos de predicción de ansiedad y depresión que podrían en el futuro proporcionar signos de estos trastornos antes del diagnostico clinico.
El estudio sobre la utilidad de la inteligencia artificial y las redes sociales para el diagnóstico precoz de ansiedad o depresión ha sido publicado en la revista Language Resources and Evaluation.
La construcción de una base de datos, llamada SetembroBR, fue el primer paso del estudio. El nombre es una referencia a Septiembre Amarillo, una campaña anual de concientización y prevención del suicidio, y también al hecho de que la recopilación de datos para el estudio comenzó un día de septiembre.
El segundo paso aún está en curso, pero ha proporcionado algunos hallazgos preliminares, como la posibilidad de detectar si una persona es probable que desarrolle depresión únicamente en función de sus amigos y seguidores en las redes sociales, sin tener en cuenta sus propias publicaciones.
La base de datos compilada por el grupo contiene información relacionada con un corpus de textos (en portugués) y la red de conexiones que involucra a 3.900 usuarios de Twitter que informaron haber sido diagnosticados o tratados por problemas de salud mental antes de la encuesta. El corpus incluye todos los tuits públicos publicados por estos usuarios individualmente (sin retuits), para un total de unos 47 millones de estos textos breves.
Análisis de los tweets
“Primero, recolectamos líneas de tiempo manualmente, analizando los tweets de unos 19,000 usuarios, equivalente a la población de un pueblo o ciudad pequeña. Luego usamos dos conjuntos de datos, uno para usuarios que informaron haber sido diagnosticados con un problema de salud mental y otro seleccionado al azar con fines de control. Queríamos distinguir entre las personas con depresión y la población en general”, dijo Ivandre Paraboni , último autor del artículo y profesor de la Facultad de Artes, Ciencias y Humanidades (EACH) de la USP.
El estudio también recopiló tuits de amigos y seguidores, de acuerdo con la observación de que las personas con problemas de salud mental tienden a seguir ciertas cuentas, como foros de discusión, influencers y celebridades que reconocen públicamente su depresión. “Estas personas se sienten atraídas entre sí. Tienen intereses compartidos”, dijo Paraboni, quien es investigador del Centro de Inteligencia Artificial ( C4AI ), un Centro de Investigación en Ingeniería ( ERC ) establecido por la FAPESP e IBM Brasil en la USP.
La FAPESP también apoyó el estudio del proyecto a través del proyecto Análisis del lenguaje de las redes sociales para la detección temprana de trastornos de salud mental, liderado por Paraboni.
Trastornos de salud mental al alza
Los trastornos de la salud mental, incluidas la depresión y la ansiedad, son una preocupación mundial creciente. La Organización Mundial de la Salud (OMS) estimó sobre la base de datos de 2021 que el 3,8% de la población mundial, o unos 280 millones de personas, estaban afectados por la depresión .
La OMS también estimó un aumento del 25% en la prevalencia mundial de estos problemas de salud mental durante la pandemia de covid-19 . Los tweets fueron recopilados para el estudio durante este período.
Según investigaciones anteriores, los problemas de salud mental a menudo se reflejan en el lenguaje utilizado por los enfermos. Este hallazgo ha dado lugar a un número considerable de estudios que involucran el procesamiento del lenguaje natural (PNL), con un enfoque en la depresión, la ansiedad y el trastorno bipolar, entre otros. Sin embargo, la mayoría de estos estudios analizan textos en inglés y no siempre coinciden con el perfil de la mayoría de los brasileños.
Modelos
Los investigadores preprocesaron el corpus para eliminar hashtags, URL, emoticonos y caracteres no estándar manteniendo los textos originales. Luego implementaron el aprendizaje profundo, una técnica de IA que enseña a las computadoras a procesar datos de una manera inspirada en el cerebro humano, para crear cuatro clasificadores de texto e incrustaciones de palabras (representaciones matemáticas dependientes del contexto de las relaciones entre palabras) usando modelos basados en representaciones de codificadores bidireccionales from transformers (BERT), un algoritmo de aprendizaje automático para NLP. Estos modelos corresponden a una red neuronal que aprende contextos y significados al monitorear las relaciones de datos secuenciales, como las palabras en una oración.
El input de entrenamiento consistió en una muestra de 200 tuits seleccionados al azar de cada usuario. Los parámetros se definieron ejecutando la validación cruzada de los datos de entrenamiento cinco veces y calculando el resultado promedio.
La conclusión fue que BERT se desempeñó mejor en términos de predicción de depresión y ansiedad, con una diferencia estadísticamente significativa entre él y LogReg, la siguiente mejor opción. Debido a que los modelos analizaron secuencias de palabras y oraciones completas, fue posible observar que las personas con depresión, por ejemplo, tendían a escribir sobre temas relacionados con ellos mismos, utilizando verbos y frases en primera persona, así como temas como la muerte, crisis y psicología.
“Los signos de depresión que se pueden detectar durante una visita al médico no son necesariamente los mismos que aparecen en las redes sociales”, dijo Paraboni. “Por ejemplo, el uso de los pronombres en primera persona del singular era muy evidente, y en psicología esto se considera un signo clásico de depresión. También observamos el uso frecuente del emoji de corazón por parte de usuarios depresivos. Esto se siente ampliamente como un símbolo de afecto y amor, pero tal vez los psicólogos aún no lo han caracterizado como tal”.