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.
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.
Al respecto, investigadores de la Universidad de São Paulo (USP) (Brasil) están utilizando inteligencia artificial (IA) y la red social Twitter para crear modelos de predicción de ansiedad y depresión que podrían en el futuro proporcionar señales de estos trastornos antes del diagnóstico clínico.La construcción de una base de datos, llamada SetembroBR, fue el primer paso del estudio, publicado en la revista ´Language Resources and Evaluation´.
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, todavía no concluido, ya 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.
Señales en redes sociales
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.
"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", explicó 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", según Paraboni, a su vez, investigador del Centro de Inteligencia Artificial (C4AI), un Centro de Investigación en Ingeniería (ERC) establecido por la FAPESP e IBM Brasil en la USP.
"Los signos de depresión que se pueden detectar durante una visita al médico no son necesariamente los mismos que aparecen en las redes sociales. Por ejemplo, el uso de los pronombres en primera persona del singular yo y yo 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", indicó.
Los investigadores ahora están ampliando la base de datos, afinando sus técnicas computacionales y actualizando los modelos con el fin de producir una herramienta para uso futuro en la detección de posibles pacientes con problemas de salud mental y ayudar a las familias y amigos de los jóvenes en riesgo de depresión y ansiedad.
