Detectar problemas de depresión a través do xeito no que un se expresa nas redes sociais. Esa é unha das claves da investigación que desde Galicia abre a porta a que, coa axuda da Intelixencia Artificial (IA), a análise dos posts en Instagram, dos chíos en X ou de publicacións en calquera outra plataforma sirvan para identificar risco de problemas mentais nas persoas usuarias. 

Pérez Vila recibiu o Premio á Mellor Tese 2024 da Sociedade para o Procesamento da Linguaxe Natural pola súa IA para detectar depresión nas redes

Un día despois da conmemoración este pasado venres do Día Mundial da Saúde Mental, afondamos nun traballo pioneiro que albisca un futuro no que non só as empresas tecnolóxicas poidan utilizar esta ferramenta para advertir de posibles doenzas, senón que sexa o ámbito sanitario o que tamén a empregue. 

Foi o investigador Miguel Anxo Pérez Vila, integrante do Centro de Investigación en TIC (CITIC) da Universidade da Coruña (UDC), quen levou a cabo este traballo que lle valeu o Premio á Mellor Tese Doutoral de 2024 para a Sociedade Española para o Procesamento da Linguaxe Natural (SEPLN). Un recoñecemento por parte dun dos galardóns máis prestixiosos do Estado nese ámbito e que gaba non só a súa excelencia científica, senón a súa relevancia social.  

"Hai moitas investigacións e décadas de traballo en psicolingüística que evidencian que o xeito no que escribimos e falamos reflicten estados mentais, que hai síntomas na linguaxe e na forma de expresarse que nos dan evidencias; non todos os problemas de saúde se descobren con análises de sangue", explica Pérez Vila, que partiu desa premisa para iniciar a súa pescuda, tendo en conta a "gran cantidade de información" que as redes nos achegan nunha época na que "estamos tan hiperconectados" e na que para tanta xente, sobre todo a máis nova, as redes son a súa canle de comunicación máis habitual e mesmo máis transparente. 

O investigador da UDC desenvolveu unha IA adestrada con datos clínicos e sociais que identifica sinais de risco de depresión nas persoas usuarias

"A investigación parte desa idea: se a linguaxe e o noso comportamento en redes poden darnos pistas sobre problemas mentais ou de depresión, deberiamos poder aproveitar toda esa información para axudar", explica. A partir de aí, e co enorme repositorio de linguaxe escrita que supoñen estas redes, o traballo de Pérez Vila centrouse en como aproveitar estas publicacións mediante modelos de IA adestrados con datos clínicos e sociais para identificar sinais de risco nas persoas usuarias. 

Uns indicios que en moitos casos son, precisamente, máis identificables nesas redes sociais que na interacción en persoa. "Hai moita xente, sobre todo entre a máis nova, que está máis cómoda falando en redes, onde se expresan con máis liberdade", explica Pérez Vila sobre unha das claves que o levou a centrarse nese ámbito. "Escribir un post é moitas veces máis fácil que falar cun psicólogo ou pedir axuda; ademais, as redes proporcionan acotío anonimato, unha barreira de entrada mínima e están dispoñibles 24 horas e 7 días á semana... Iso axuda a comunicar o que sentes", engade antes de advertir, tamén, a importancia de saber "separar o ruído" de entre todo o que se publica. 

E hai estudos que corroboran esta tese, como lembra Pérez Vila sobre investigacións feitas nos Estados Unidos con poboación con tendencias suicidas que acudía a terapia. "A conclusión era que a xente que acababa cometendo suicidio comunicábao menos ante o propio terapeuta que nas redes, onde falaba máis abertamente, xa fose por evitar estigmas ou porque lle era máis difícil abrirse", explica. 

"Moita xente exprésase con máis liberdade nas redes, que facilitan o anonimato e están sempre dispoñibles; un 'post' é moitas veces máis fácil que falar cun psicólogo ou pedir axuda"

A súa tese —dirixida polos investigadores Javier Parapar e Álvaro Barreiro— é pioneira no uso de técnicas de IA, aprendizaxe automática e lingüística computacional e entre algún dos seus aspectos máis innovadores está o de buscar unha maior transparencia nos sistemas de detección dos problemas mentais ou da depresión. Porque fronte a traballos anteriores menos claros, o de Pérez Vila propón modelos baseados en síntomas validados clinicamente, de aí que os seus resultados sexan comprensibles e útiles para os profesionais sanitarios. 

A relevancia e novidade do proxecto impulsado na UDC é que combina o deseño de novos algoritmos de estimación da gravidade da depresión coa creación de coleccións de datos específicas e coa exploración de grandes modelos de linguaxe (LLMs, sistemas de IA que melloran a habilidade das máquinas para entender e xerar linguaxe humana). 

En resumo: que eses modelos de IA aplicados se baseen na evidencia duns síntomas e da súa acumulación para, a partir destas repeticións, xerar o razoamento e o resultado final. Nunha investigación cuxas achegas integráronse nunha plataforma demostrativa que permite o seu uso por parte de profesionais clínicos, o que abre a porta a aplicacións prácticas no ámbito sanitario. 

A súa efectividade parte de varias claves. Unha delas, a certeza de que os síntomas de depresión maniféstanse de maneira diferente na linguaxe, o que require modelos sensibles á súa natureza. E outra, que as mensaxes en redes sociais conteñen sinais sutís que poden revelarse mediante técnicas de recuperación semántica. A falta de datos adecuados motivou, ademais, a creación de dous novos conxuntos de referencia (BDI-Sen e DepreSym). 

Colaboración con profesionais clínicos

A partir de aí, a súa investigación deixa claro que os modelos de linguaxe de gran escala poden apoiar a tarefa de anotación, pero que a supervisión humana segue sendo esencial. De aí tamén a colaboración con profesionais clínicos, que foi fundamental para guiar a clasificación, a interpretación dos resultados e garantir a validez médica das conclusións.

Exposto o método, Pérez Vila recoñece que o funcionamento dos algoritmos e a detección de problemas "non son sinxelos de explicar", pero si expón un caso clarificador: "Un dos síntomas claros da depresión ou dun problema mental é a falta de sono, polo que é importante detectar se unha persoa non dorme ben; é nese momento cando analizamos patróns e o sistema detecta, por exemplo, que unha persoa publica sempre durante a madrugada ou que adoita expresar que non se dá concentrado ou que vai durmido. Sería a partir de aquí, destes datos e síntomas, cando actuaría un profesional da psicoloxía ou do ámbito competente". 

Porque o obxectivo, lembra o investigador, é a aplicación práctica de todas estas ferramentas, tamén á hora de facer estudos poboacionais amplos e colaborar coas grandes empresas tecnolóxicas propietarias destas redes sociais. "Moitas xa teñen políticas polas que incorporan sistemas internos, a través de algoritmos, que detectan sinais de malestar e certas tendencias a partir das que poden ofrecer axuda sen expoñer os usuarios", explica. 

A idea da IA é contribuír aos sistemas internos das plataformas de redes, axudar en estudos poboacionais e ser útil tamén no ámbito sanitario

Poderían facer máis? "Seguro que moito máis porque, ademais, son as primeiras interesadas no benestar das persoas usuarias", di quen cre que cada vez hai máis "implicación" nos problemas de saúde mental e que aclara que a clave do seu traballo é poder intentar contribuír e achegar neste campo, con sistemas máis robustos que conten co apoio dos clínicos. 

A aplicación destas ferramentas no ámbito sanitario é outro dos propósitos e das esperanzas, mentres Pérez Vila advirte xa da colaboración futura entre varias universidades e a través de equipos interdisciplinares con psiquiatras, psicólogos ou informáticos que buscan mellorar e impulsar o sistema. 

Para facer o estudo, o equipo liderado por Pérez Vila tivo que limitarse ao que lle permitían as redes sociais e co visto e prace das persoas usuarias. Abranguer cada vez máis poboación é outra das metas e das posibilidades que ofrece a súa ferramenta. Porque tampouco é unha utopía que acabe axudando moita xente, sempre que esta acceda de forma voluntaria a colaborar. 

"Se as empresas utilizan os nosos datos en redes para fins comerciais, pensemos o que suporía achegar esta información para detectar, tratar ou curar un problema de saúde mental"

"Esa é unha opción moi interesante; decatémonos da cantidade de empresas que utilizan para fins comerciais todos eses datos que lles damos sobre a nosa actividade en redes e dispositivos electrónicos, e pensemos que suporía achegarnos a esa e a máis información para detectar, tratar ou curar un problema de saúde mental... Sería moi positivo", lembra, aclarando que todo debería ser "baixo anonimato e respectando a privacidade e uns principios éticos". 

Porque a tese é só o principio dun proceso, un traballo do que Pérez Vila xa publicou os resultados en congresos internacionais de referencia como ECIR, SIGIR ou EMNLP, así como en revistas como Artificial Intelligence in Medicine (AIM). Logo chegou o premio da SEPLN, que non só destacou a orixinalidade e rigor metodolóxico da investigación, senón, e sobre todo, o seu impacto potencial na mellora da saúde mental e do benestar social.