Los algoritmos de reconocimiento facial y de lenguaje natural pueden entrenarse para reconocer los primeros signos de la enfermedad con una eficacia del 80 %, según un estudio. Este enfoque de bajo coste podría reducir la barrera para el diagnóstico y el tratamiento de la salud mental
La depresión es un gran problema para millones de personas y, a menudo, se ve agravada por la falta de apoyo a la salud mental y por el estigma social. Un diagnóstico precoz puede ayudar, pero muchos trastornos mentales son difíciles de detectar. Los algoritmos de aprendizaje automático que permiten que los teléfonos inteligentes identifiquen rostros y respondan a nuestras voces podrían ofrecer un método universal y de bajo coste para detectar los primeros síntomas y obtener tratamiento cuando sea necesario.
En un estudio llevado a cabo por un equipo de la Universidad de Stanford (EE.UU.), los científicos descubrieron que el software de reconocimiento facial y del lenguaje natural es capaz de identificar las señales de depresión con una precisión bastante razonable.
Los investigadores introdujeron vídeos de personas deprimidas y no deprimidas en un modelo de aprendizaje automático entrenado para aprender una combinación de señales: expresiones faciales, tono de voz y palabras habladas. Los datos se obtuvieron de entrevistas en las que un paciente hablaba con un avatar controlado por un médico.
En las pruebas, el algoritmo fue capaz de detectar si alguien estaba deprimido en más del 80 % de los casos. La investigación fue dirigida por la destacada experta en inteligencia artificial (IA) Fei-Fei Li, que recientemente regresó a Stanford tras abandonar Google.
Aunque este nuevo trabajo todavía está en fase muy temprana, los investigadores sugieren que algún día podría proporcionar una forma más fácil de diagnosticar la depresión y ayudar a las personas.
En un artículo presentado en la pasada conferencia sobre IA NeurIPS en Montreal (Canadá), los investigadores detallaron: "En comparación con las enfermedades físicas, los trastornos mentales son más difíciles de detectar. El problema de la salud mental se agrava por barreras como el estigma social, el coste financiero y la falta de opciones de tratamiento accesibles. [...] Esta tecnología podría implementarse en teléfonos móviles de todo el mundo y facilitar un acceso universal de bajo coste al cuidado de la salud mental."
Los investigadores advierten que la tecnología no puede sustituir a los médicos. Agregan que los datos utilizados no incluían ninguna información protegida de salud, como nombres, fechas o ubicaciones. También señalan que se necesitaría más trabajo para asegurar que la tecnología no presentes sesgos hacia una raza o género en particular.
El psiquiatra clínico del Hospital McLean (EE.UU.) Justin Baker, que estudia el uso de la tecnología para el tratamiento de enfermedades mentales, está impresionado por la forma en la que el sistema analiza la cara, la voz y el lenguaje de un paciente. El experto afirma: "Es muy bueno porque eso es lo que los humanos hacen muy bien". Y asegura que la inteligencia artificial y los teléfonos inteligentes podrían tener un gran impacto si se usan con cuidado. "Es apasionante, pero se tiene que hacer muy bien en colaboración con los expertos médicos", matiza.
Pero el profesor asistente del MIT (EE.UU.) David Sontag, que está especializado en aprendizaje automático y atención médica, muestra cautela sobre el trabajo. Dice que un problema es que los datos de entrenamiento se recopilaron durante una entrevista con un médico real, aunque estando detrás de un avatar, por lo que no está claro si el diagnóstico podría ser completamente automático. El experto opina: "La línea de trabajo es interesante, pero aún no está claro cómo se utilizaría clínicamente".
No obstante, los nuevos métodos para detectar y tratar las enfermedades de salud mental prometen hacer el tratamiento más accesible y quizás más efectivo. Otro grupo de investigación en Stanford desarrolló un chatbot para administrar una terapia cognitiva conductual simple. Los investigadores dicen que el enfoque ha demostrado ser efectivo y que muchos pacientes afirman que prefieren hablar con una máquina. Este punto está respaldado por la investigación académica.