Stwierdzono, że problemy ze zdrowiem psychicznym często znajdują odzwierciedlenie w języku używanym przez osoby cierpiące
Naukowcy z Uniwersytetu w Sao Paulo w Brazylii wykorzystują sztuczną inteligencję i platformę społecznościową Twitter do tworzenia modeli predykcyjnych depresji i lęku, które w przyszłości mogą pomóc wykryć te stany przed postawieniem diagnozy klinicznej. Poinformowało o tym elektroniczne wydanie „Medical Express”.
Wyniki badań zostały opublikowane w czasopiśmie „Language Resources and Evaluation”.
Pierwszym elementem badania jest budowa bazy danych o nazwie „SetembroBR”. Zawiera informacje z analizy tekstu w języku portugalskim oraz sieć połączeń obejmujących 3,900 użytkowników Twittera, którzy przed badaniem powiedzieli, że zdiagnozowano u nich problemy ze zdrowiem psychicznym lub je leczono. Baza danych zawiera wszystkie publiczne posty tych użytkowników, czyli łącznie około 47 milionów krótkich wiadomości tekstowych.
„Najpierw ręcznie zebraliśmy posty, przeanalizowaliśmy tweety około 19,000 XNUMX osób, co odpowiada liczbie mieszkańców wsi lub małego miasteczka. Następnie wykorzystaliśmy dwa zestawy baz danych – osób, u których zdiagnozowano problemy psychiczne, oraz losowo wybranej grupy kontrolnej” – powiedział kierownik badania Ivandre Paraboni, wykładowca College of Arts, Sciences and Humanities na Uniwersytecie w São Paulo.
W badaniu zebrano i przeanalizowano tweety znajomych i obserwujących uczestników. „Ci ludzie są sobą zauroczeni. Mają wspólne zainteresowania” – powiedział Paraboni, który jest także badaczem w Centrum Sztucznej Inteligencji.
Druga faza badań wciąż trwa, ale są już wstępne wyniki. Według nich można przewidzieć, czy dana osoba jest podatna na depresję, tylko na podstawie znajomych i obserwujących na portalach społecznościowych, bez analizowania treści jej osobistych postów.
Poprzednie badania wykazały, że problemy ze zdrowiem psychicznym często znajdują odzwierciedlenie w języku używanym przez osoby cierpiące. Większość z tych badań analizowała teksty w języku angielskim.