Para diagnosticar la depresión, los profesionales clínicos entrevistan a los pacientes, les hacen preguntas específicas —sobre, por ejemplo, enfermedades mentales previas, estilo de vida y estado de ánimo— e identifican la afección a partir de las respuestas del paciente.
En los últimos años, el aprendizaje automático se ha promovido como una herramienta útil para el diagnóstico. Por ejemplo, se han desarrollado modelos de aprendizaje automático capaces de detectar palabras y entonaciones del habla que pueden indicar depresión. Sin embargo, estos modelos tienden a predecir si una persona está deprimida o no basándose en sus respuestas específicas a preguntas específicas. Estos métodos son precisos, pero su dependencia del tipo de pregunta que se formula limita cómo y dónde pueden utilizarse.
En un artículo que se presentará en la conferencia Interspeech, investigadores del MIT describen un modelo de red neuronal que puede aplicarse a datos de texto y audio sin procesar de entrevistas para descubrir patrones del habla indicativos de depresión. Ante un nuevo sujeto, puede predecir con precisión si la persona está deprimida, sin necesitar ninguna otra información sobre las preguntas y respuestas.
Los investigadores esperan que este método pueda utilizarse para desarrollar herramientas que detecten señales de depresión en conversaciones naturales. En el futuro, el modelo podría, por ejemplo, impulsar aplicaciones móviles que supervisen los mensajes de texto y la voz de una persona para detectar malestar psicológico y enviar alertas. Esto podría ser especialmente útil para quienes no pueden acudir a un profesional clínico para obtener un diagnóstico inicial debido a la distancia, el costo o la falta de conciencia de que algo podría andar mal.
«Las primeras señales que tenemos de que una persona está feliz, emocionada, triste o presenta alguna afección cognitiva grave, como la depresión, se manifiestan en su habla», afirma la autora principal, Tuka Alhanai, investigadora del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL). «Si se quiere implementar modelos [de detección de la depresión] a gran escala… hay que minimizar las restricciones sobre los datos que se utilizan. Hay que implementarlos en cualquier conversación cotidiana y hacer que el modelo capte, a partir de la interacción natural, el estado de la persona».
Por supuesto, añade el coautor James Glass, científico investigador sénior del CSAIL, la tecnología también podría utilizarse para identificar el malestar psicológico en conversaciones informales en consultorios clínicos. «Cada paciente habla de manera distinta y, si el modelo detecta cambios, quizá eso sea una señal para los médicos», afirma. «Es un paso adelante para ver si podemos hacer algo que ayude a los profesionales clínicos».
El otro coautor del artículo es Mohammad Ghassemi, miembro del Instituto de Ingeniería y Ciencia Médicas (IMES).
Modelado sin contexto
La innovación clave del modelo reside en su capacidad para detectar patrones indicativos de depresión y luego asociar esos patrones con personas nuevas, sin información adicional. «Lo llamamos “sin contexto” porque no se imponen restricciones sobre los tipos de preguntas que se buscan ni sobre los tipos de respuestas a esas preguntas», explica Alhanai.
A otros modelos se les proporciona un conjunto específico de preguntas y luego ejemplos de cómo responde una persona sin depresión y de cómo responde una persona con depresión; por ejemplo, la pregunta directa: «¿Tiene antecedentes de depresión?». El modelo utiliza esas respuestas exactas para determinar si una persona nueva está deprimida cuando se le hace exactamente la misma pregunta. «Pero así no funcionan las conversaciones naturales», afirma Alhanai.
Por su parte, los investigadores utilizaron una técnica llamada modelado de secuencias, que suele emplearse para procesar el habla. Con esta técnica, introdujeron en el modelo, una por una, secuencias de datos de texto y audio de preguntas y respuestas de personas con y sin depresión. A medida que se acumulaban las secuencias, el modelo extraía patrones del habla que aparecían en personas con o sin depresión. Palabras como «triste», «decaído» o «abatido» pueden ir acompañadas de señales de audio más planas y monótonas. Las personas con depresión también pueden hablar más despacio y hacer pausas más largas entre palabras. En investigaciones anteriores se han estudiado estos indicadores de malestar psicológico en el texto y el audio. En última instancia, le correspondía al modelo determinar si alguno de los patrones permitía predecir la depresión.
«El modelo observa secuencias de palabras o estilos de habla y determina que es más probable encontrar esos patrones en personas con depresión o sin ella», explica Alhanai. «Después, si observa las mismas secuencias en personas nuevas, también puede predecir si están deprimidas».
Esta técnica de secuenciación también ayuda al modelo a analizar la conversación en su conjunto y observar diferencias a lo largo del tiempo entre la forma de hablar de las personas con depresión y sin ella.
Detección de la depresión
Los investigadores entrenaron y probaron su modelo con un conjunto de datos de 142 interacciones del Corpus de Entrevistas para el Análisis del Malestar, que contiene entrevistas de audio, texto y video a pacientes con problemas de salud mental y a agentes virtuales controlados por personas. La depresión de cada sujeto se evalúa en una escala de 0 a 27 mediante el Cuestionario de Salud Personal. Se considera que tienen depresión quienes obtienen puntuaciones por encima de un punto de corte situado entre la depresión moderada (10 a 14) y la moderadamente grave (15 a 19); quienes quedan por debajo de ese umbral se consideran sin depresión. Del total de sujetos del conjunto de datos, 28 (20 por ciento) están clasificados como personas con depresión.
En los experimentos, el modelo se evaluó mediante métricas de precisión y exhaustividad. La precisión mide cuáles de los sujetos con depresión identificados por el modelo recibieron un diagnóstico de depresión. La exhaustividad mide la exactitud del modelo al detectar a todos los sujetos diagnosticados con depresión en el conjunto de datos completo. El modelo obtuvo una precisión del 71 por ciento y una exhaustividad del 83 por ciento. La puntuación combinada promedio de esas métricas, teniendo en cuenta cualquier error, fue del 77 por ciento. En la mayoría de las pruebas, el modelo de los investigadores superó a casi todos los demás modelos.
Alhanai señala que una conclusión clave de la investigación es que, durante los experimentos, el modelo necesitó muchos más datos para predecir la depresión a partir del audio que del texto. Con texto, el modelo puede detectar la depresión con precisión utilizando un promedio de siete secuencias de preguntas y respuestas. Con audio, necesitó unas 30 secuencias. «Eso implica que los patrones en las palabras que usa la gente y que permiten predecir la depresión aparecen en menos tiempo en el texto que en el audio», afirma Alhanai. Estas conclusiones podrían ayudar a los investigadores del MIT y a otros a perfeccionar aún más sus modelos.
Glass afirma que este trabajo constituye un estudio piloto «muy alentador». Ahora, sin embargo, los investigadores buscan descubrir qué patrones específicos identifica el modelo entre grandes cantidades de datos sin procesar. «Ahora mismo es un poco como una caja negra», dice Glass. «Sin embargo, estos sistemas resultan más convincentes cuando se explica qué detectan. […] El próximo desafío es averiguar en qué datos se ha basado».
Los investigadores también se proponen probar estos métodos con datos adicionales de muchas más personas con otras afecciones cognitivas, como la demencia. «No se trata tanto de detectar la depresión, sino de aplicar un concepto similar para evaluar, a partir de una señal cotidiana del habla, si alguien tiene o no un deterioro cognitivo», afirma Alhanai.
