En los últimos años, el aprendizaje automático ha atraído un interés creciente de la comunidad médica como una posible ayuda importante para realizar diagnósticos. Se han desarrollado modelos de aprendizaje automático, por ejemplo, que pueden detectar palabras y entonaciones en el habla que podrían delatar la depresión. Pero estos modelos tienden a predecir si una persona está deprimida o no basándose solo en respuestas concretas a preguntas específicas. Estos métodos son precisos, pero su dependencia del tipo de pregunta que se hace limita cómo y dónde pueden usarse.
El equipo de Tuka Alhanai y Mohammad Ghassemi, del Instituto Tecnológico de Massachusetts (MIT), en la ciudad estadounidense de Cambridge, presenta un modelo de red neural que puede ser aplicado a datos de audio y texto en bruto, provenientes de entrevistas, para descubrir patrones de habla que indiquen depresión. Es capaz de predecir de forma precisa si la persona está deprimida, sin necesitar ninguna otra información sobre las preguntas y las respuestas.
Los investigadores esperan que este método pueda utilizarse para desarrollar herramientas que detecten síntomas de depresión en una conversación natural. En el futuro, el modelo podría, por ejemplo, alimentar aplicaciones móviles que monitoricen el texto y la voz del usuario en busca de angustia mental, y enviar alertas. Esto podría ser especialmente útil para quienes no puedan acceder a un profesional que les haga un diagnóstico inicial, debido a la distancia, el coste o una falta de conciencia de que algo podría estar yendo mal.
La innovación clave del modelo reside en su capacidad de detectar patrones que indican depresión, y después acondicionar esos patrones para nuevos individuos, sin información adicional.
Fuente: NOTICIAS DE LA CIENCIA
