Investigadores utilizan IA entrenada con datos de Facebook para detectar signos de enfermedad mental

Un grupo de investigadores acaba de publicar un estudio en Nature, en el que detallan sus intentos de utilizar datos de Facebook (META ) para identificar posibles enfermedades psiquiátricas. Según Wired, los investigadores lograron construir un modelo de IA que puede predecir con éxito un diagnóstico de una enfermedad mental basado en mensajes enviados hasta 18 meses antes de que se hiciera el diagnóstico oficial.

Para crear el modelo predictivo, el equipo de investigación recopiló datos de 223 voluntarios. Los voluntarios accedieron a dar a los investigadores acceso a los mensajes que habían enviado y a las imágenes que habían publicado. Los investigadores entrenaron un modelo de Random Forest en características extraídas de los mensajes y imágenes recopilados. El objetivo de los modelos era determinar si un participante tenía un diagnóstico de salud mental, agrupando las instancias en diagnósticos de trastornos del estado de ánimo, diagnósticos del espectro de la esquizofrenia o sin diagnóstico de salud mental.

Cuando los investigadores analizaron los resultados, encontraron que varias características diferentes estaban correlacionadas con trastornos de salud mental. En cuanto a las imágenes, los colores azules se asociaron con un diagnóstico de trastornos del estado de ánimo. El uso excesivo de palabras malsonantes se asoció generalmente con enfermedad mental, mientras que palabras como oír, sentir y ver (palabras de percepción) se asociaron con un diagnóstico de esquizofrenia.

Para determinar el éxito del modelo de IA, los investigadores compararon falsos positivos y falsos negativos. El equipo de investigación informó que su tasa de éxito estaba entre 0,65 y 0,77, siendo 1 una puntuación perfecta y 0,5 la tasa de éxito promedio de un modelo que adivina al azar. Cuanto más recientes eran los mensajes, mejor era el éxito del modelo. Sin embargo, incluso cuando el equipo de investigadores se limitó a mensajes que tenían más de un año antes de un diagnóstico, el modelo aún funcionó mucho mejor que el azar.

Lo interesante de este nivel de precisión es que es aproximadamente equivalente a la precisión del PHQ-9. El PHQ-9 es una herramienta de diagnóstico utilizada para detectar la depresión, que hace 10 preguntas al sujeto de la prueba. Si un modelo de IA entrenado con datos de Facebook puede realizar de manera fiable un trabajo tan bueno como el PHQ-9, podría potencialmente utilizarse como una herramienta de diagnóstico, complementando las herramientas existentes que utilizan los clínicos.

El investigador principal del estudio fue el profesor asistente Michael Birnbaum, del Feinstein Institutes for Medical Research en Manhasset, Nueva York. Según Wired, las herramientas de IA que utilizan datos de redes sociales tienen el potencial de hacer una gran diferencia en la forma en que se diagnostican y tratan las enfermedades psiquiátricas. Birnbaum fue citado por Wired:

“Ahora entendemos esta idea de que el cáncer tiene muchos diferentes estadios. Si se detecta el cáncer en la etapa I, es drasticamente diferente a si se detecta una vez que se ha metastatizado. En psiquiatría, tendemos a empezar a trabajar con las personas una vez que ya se ha metastatizado. Pero hay el potencial de detectar a las personas antes”.

En esencia, las enfermedades mentales pueden tomar diferentes formas en diferentes momentos y fuentes de datos más variadas pueden ayudar a los investigadores y clínicos a triangular el estado de salud mental de una persona. La ventaja de utilizar datos de redes sociales es que sirven como un registro continuo de los pensamientos y sentimientos de un individuo. Estos datos podrían utilizarse para complementar las largas entrevistas en las que confían los clínicos para diagnosticar a un paciente.

Birnbaum espera que los modelos de IA basados en datos de redes sociales puedan ayudar a los terapeutas a monitorear a los pacientes a lo largo del tratamiento a largo plazo. Birnbaum explicó que los terapeutas suelen obtener solo una “instantánea” de la vida de una persona una vez al mes más o menos y que la capacidad de utilizar datos de redes sociales permite a los clínicos obtener una comprensión más completa y representativa de las tendencias en la vida de una persona. Birnbaum espera que dentro de cinco a diez años el uso de datos de redes sociales en la evaluación de la salud mental se vuelva más común.