Desarrollan un método para identificar signos de depresión en textos digitales

El método basado en técnicas de aprendizaje automático detecta tempranamente indicios depresivos dentro del contenido digital.

Viernes, 23 de febrero de 2024.-Investigadores han logrado avances significativos en la detección temprana de signos de depresión, introduciendo un enfoque basado en aprendizaje automático que ofrece resultados prometedores en la identificación de señales depresivas en textos digitales.

El enfoque de la Escuela Técnica Superior de Ingenieros de Telecomunicación (ETSIT) de la Universidad Politécnica de Madrid (UPM) no solo demuestra ser eficaz en términos de rendimiento, sino que también se presenta como una solución práctica y accesible para la detección temprana de indicios depresivos dentro del contenido digital.

La depresión, una enfermedad mental prevalente y debilitante que afecta a millones de personas, ha destacado la necesidad de enfoques innovadores para su detección y abordaje. 

El estudio, publicado en la revista internacional 'Applied Sciences', que recoge Europa Press explora la eficacia de métodos tradicionales de aprendizaje automático en la evaluación de la gravedad de los signos depresivos.

El método introduce un marco de trabajo integral de características basadas en recursos léxicos, organizando señales lingüísticas, expresiones emocionales y patrones cognitivos para una comprensión holística de los indicadores lingüísticos asociados a la depresión.

En lugar de modelos computacionales complejos, el enfoque propuesto por el Grupo de Sistemas Inteligentes (GSI) de la UPM destaca por lograr un equilibrio óptimo entre rendimiento y eficiencia. 

Para lograr dicho equilibrio se introduce un marco de trabajo integral de características basadas en recursos léxicos, organizando señales lingüísticas, expresiones emocionales y patrones cognitivos para una comprensión holística de los indicadores lingüísticos asociados a la depresión.

El estudio extrae y organiza características en cuatro conjuntos: afectivas, temáticas, sociales y sintácticas. 

Los resultados sugieren que las características afectivas son clave en la clasificación de texto para la detección de depresión, y la inclusión de características sociales, sintácticas y temáticas mejora significativamente el rendimiento.

El enfoque innovador fue evaluado experimentalmente utilizando conjuntos de datos públicos en inglés de plataformas de redes sociales. 

La combinación de estas características con representaciones distribucionales muestra un rendimiento superior en los conjuntos de datos evaluados.

El enfoque innovador fue evaluado experimentalmente utilizando conjuntos de datos públicos en inglés de plataformas de redes sociales. 

Sergio Muñoz, uno de los investigadores, destaca que "los hallazgos ofrecen una visión valiosa en la detección de la gravedad de la depresión en el texto, allanando el camino para avances significativos en la promoción de la salud mental y la intervención temprana".

Aunque se reconocen limitaciones metodológicas, el estudio sienta una base sólida para futuras investigaciones. La UPM, al liderar la vanguardia en la creación de soluciones efectivas y accesibles, abre la puerta a la implementación de esta tecnología en entornos reales para abordar los desafíos de la salud mental en la sociedad contemporánea.