El trastorno bipolar causa períodos de depresión grave alternados con espacios de exaltación del estado de ánimo o manía. Las personas con esta patología se comportan de forma extrema, experimentando subidas extremas del ánimo e hiperactividad seguidas de bajones devastadores y sopor. Algunas estimaciones señalan que el 30 % de los afectados termina suicidándose.

Una forma de prevenir los comportamientos más extremos es localizar los síntomas antes de que se manifiesten completamente, lo que permite comenzar antes con el tratamiento. Una forma eficiente y sencilla de descubrir estas señales tempranas tendría un impacto enorme para las personas que sufren un trastorno bipolar, sus familias y los profesionales de la salud.

Ahora, Yen-Hao Huang y sus compañeros de la Universidad Nacional Tsing Hua (Taiwán) afirman haber desarrollado una manera de identificar los síntomas de trastorno bipolar antes de que sea demasiado tarde a través de las redes sociales con un método que podría tener unas importantes implicaciones en la manera en la que se evalúa a los potenciales pacientes.

El comienzo del trastorno bipolar se caracteriza por síntomas como la verborrea, la perturbación del sueño y los cambios rápidos de humor. Muchos afectados comparten los detalles de su condición, incluyendo sus fechas de diagnóstico, en redes sociales como Twitter. Esto dio una idea a los investigadores: dado que podían estar seguros de que los tuits provenían de personas diagnosticadas con un trastorno bipolar, ¿podrían identificar qué patrones de comportamiento habrían demostrado anteriormente?

Para descubrirlo, el equipo analizó alrededor de 10.000 tuits publicados entre 2006 y 2016 por más de 400 personas que fueron diagnosticadas con trastorno bipolar. Compararon estos tuits con un número similar de otras publicaciones de gente seleccionada de forma aleatoria, que fueron utilizados como grupo de control. Algunos de los factores que tuvieron en cuenta fueron el patrón de publicación en el tiempo para ver cómo encajaba con los patrones normales de sueño, la frecuencia de los tuits para medir cuán hablador era cada usuario y los tipos de palabras utilizados para mostrar sentimientos y contenido emocional. También desarrollaron una medida fonológica completamente nueva que calcula la energía puesta en la articulación de cada palabra como si se expresara de forma vocal. Esta idea se basó en la creencia de que la gente con signos tempranos de trastorno bipolar utiliza palabras que dan una impresión de mayor intensidad.

Después, el equipo creó un algoritmo de aprendizaje automático que combinaba estos datos para distinguir entre las personas con y sin signos de trastorno bipolar que alcanzó una tasa de acierto del 90%. La medición de la energía fonológica de cada palabra por parte del equipo es particularmente buena. “Simplemente empleando la función fonológica con un modelo puro de texto, el clasificador puede alcanzar una precisión de más del 91%”, aseguran.

Curiosamente, Huang y su equipo llaman a este enfoque “crowdsourcing del subconsciente”. Señalan que el conjunto de tuits de una persona diagnosticada con trastorno bipolar puede proporcionar una gran fuente de información sobre el estado mental. Por lo tanto, estas personas están inconscientemente suministrando un conjunto de datos que puede extraerse para obtener información. Lo que no está claro es cuánta más información se puede obtener. Aún así, es probable que haya más enfermedades mentales que el trastorno bipolar que se pueden identificar de la misma manera.

Se trata de un interesante trabajo con el potencial de dar a la gente con trastorno bipolar el tratamiento que necesitan tan pronto como sea posible.“Nuestros resultados experimentales demuestran que los modelos propuestos podrían contribuir enormemente a las evaluaciones regulares de las personas con trastorno bipolar, lo cual es importante en el entorno de la atención primaria,” afirman, lo que debería minimizar las probabilidades de comportamientos extremos que de otra forma podrían acabar en los peores desenlaces imaginables.

Ref:  arxiv.org/abs/1712.09183 : “Detection of the Prodromal Phase of Bipolar Disorder from Psychological and Phonological Aspects in Social Media”