depresion1Un método basado en tecnologías de aprendizaje automático y desarrollado por investigadores españoles permite identificar de forma precoz los síntomas de depresión analizando las palabras escritas en un texto. Este método ha sido desarrollado investigadores de la Escuela Técnica Superior de Ingenieros de Telecomunicaciones de la Universidad Politécnica de Madrid y las conclusiones de su trabajo se han publicado en la revista Applied Sciences.

La depresión, una de las enfermedades mentales más comunes y debilitantes, afecta a millones de personas, que sufren una muy importante disminución de su calidad de vida y de su bienestar, y su creciente prevalencia ha puesto de relieve la importancia y la necesidad de afrontar enfoques innovadores para detectar y abordar este trastorno.

Los investigadores han explicado que con este método se podría avanzar significativamente en la detección temprana de signos de depresión, introduciendo un enfoque basado en aprendizaje automático que consigue resultados prometedores en la detección de la depresión en los textos.  El investigador Sergio Muñoz, del Grupo de Sistemas Inteligentes de la Universidad Politécnica, ha destacado la relevancia que tendría la utilización de este método en ambientes, plataformas o foros educativos en las que los alumnos escriben y se comunican por escrito, y las posibilidades que podría tener para la detección temprana de los síntomas de depresión.

A largo plazo, y tras superar las diferentes fases experimentales, un método de estas características, ha señalado el investigador, podría integrarse en diferentes plataformas -redes sociales e incluso expedientes o informes médicos- para lograr una utilidad real y práctica que permitiera detectar de forma temprana esos síntomas de depresión.

Este enfoque no solo demuestra su eficacia en términos de rendimiento, sino que también se presenta, según los investigadores, como una solución práctica y accesible para la detección temprana de los signos depresivos. Los investigadores han explorado la eficacia de los métodos tradicionales de aprendizaje automático en la detección de la gravedad de los signos de depresión, y frente a modelos más complejos que requieren recursos computacionales más complejos, su enfoque consigue un equilibrio perfecto entre rendimiento y eficiencia.

Para ello, se ha introducido en la investigación un marco de trabajo muy completo de características basadas en recursos léxicos, que facilita la organización de las características textuales, integrando las señales lingüísticas, las expresiones emocionales y los patrones cognitivos para proporcionar una comprensión global de los indicadores lingüísticos asociados a la depresión. Para ello, se extrajeron un gran número de características y se organizaron en cuatro conjuntos: afectivas, temáticas, sociales y sintácticas. Los resultados sugieren que las características afectivas destacan en la clasificación de texto para la detección de la depresión, pero la inclusión de características sociales, sintácticas y temáticas mejora el rendimiento de manera significativa, han precisado los investigadores. La efectividad del enfoque que proponen los investigadores se ha evaluado con un estudio experimental utilizando dos conjuntos de datos públicos en inglés de plataformas de redes sociales.

Ver artículo completo: Muñoz S, Igleisis CA.  Detection of the Severity Level of Depression Signs in Text Combining a Feature-Based Framework with Distributional Representations. Appl. Sc[Internet]. 2023[citado 22 feb 2024], 13(21), 11695; https://doi.org/10.3390/app132111695

22 febrero 2024 | Fuente: EFE | Tomado de la Selección Temática sobre Medicina de Prensa Latina. Copyright 2019. Agencia Informativa Latinoamericana Prensa Latina S.A

  • Noticias por fecha

    mayo 2024
    L M X J V S D
    « abr    
     12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
  • Noticias anteriores a 2010

    Noticias anteriores a enero de 2010

  • Suscripción AL Día

  • Categorias

    open all | close all
  • Palabras Clave

  • Administración