Así es como usan tu estado de Facebook para saber si sufres depresión
FOTO AGENCIA
Martes 16 de Octubre de 2018 10:08 pm
+ -Los indicadores de la afección incluyeron menciones de hostilidad y soledad, palabras como ‘lágrimas’ y ‘sentimientos’, y el uso de más pronombres en primera persona como ‘yo’ y ‘a mí’,
Al analizar
los datos compartidos por los usuarios de las redes sociales con su
consentimiento durante los meses previos a un diagnóstico de depresión, los
investigadores encontraron que su algoritmo podría predecir con precisión la
depresión futura. Los indicadores de la afección incluyeron menciones de hostilidad
y soledad, palabras como “lágrimas” y “sentimientos”, y el uso de más pronombres
en primera persona como “yo” y “a mí”, según una nueva investigación de la
Universidad de Pensilvania y la Universidad de Stony Brook, ambas en Estados
Unidos, publicada en ‘Proceedings of the National Academy of Sciences’.
“Lo que las
personas escriben en las redes sociales y en Internet capta un aspecto de la
vida que es muy difícil en medicina y en la investigación para acceder de otra
manera”, dice H. Andrew Schwartz, autor principal del artículo e investigador
principal del Proyecto Mundial de Bienestar (WWBP, por sus siglas en inglés).
“Es una
dimensión que está relativamente sin explotar en comparación con los marcadores
biofísicos de la enfermedad. Considerando condiciones como la depresión, la
ansiedad y el trastorno de estrés postraumático, por ejemplo, encontrará más
señales en la forma en que las personas se expresan digitalmente”, agrega.
Durante seis
años, el WWBP, con sede en el Centro de Psicología Positiva de Penn y el
Laboratorio de Análisis del Lenguaje Humano de Stony Brook, ha estado
estudiando cómo las palabras que usan las personas reflejan sentimientos y
satisfacción internos. En 2014, Johannes Eichstaedt, científico investigador
fundador de WWBP, comenzó a preguntarse si las redes sociales podían predecir
los resultados de salud mental, especialmente para la depresión.
“Los datos de
las redes sociales contienen marcadores similares al genoma -explica Eichstaedt-.
Con métodos sorprendentemente similares a los utilizados en genómica, podemos
combinar los datos de las redes sociales para encontrar estos marcadores. La
depresión parece ser algo bastante detectable de esta manera; realmente cambia
el uso que las personas hacen de las redes sociales de manera que no hace una
enfermedad de la piel o la diabetes”.
Eichstaedt y
Schwartz se unieron a los colegas Robert J. Smith, Raina Merchant, David Asch y
Lyle Ungar, del Centro de Medicina Digital Penn, para este estudio. En lugar de
hacer lo que habían hecho los análisis anteriores (reclutar a los participantes
que aportaron información sobre la depresión), los científicos identificaron
los datos de personas que consintieron en compartir los estados de Facebook y la
información de los registros médicos electrónicos, y luego analizaron los
estados utilizando técnicas de aprendizaje automático para distinguirlos de los
de un diagnóstico de depresión formal.
“Este es un
trabajo inicial de nuestro Registro de Mediomas Sociales del Centro de Medicina
sobre Salud Digital de Penn”, dice Merchant, “que une las redes sociales con
los datos de los registros de salud. Para este proyecto, todas las personas
dieron su consentimiento, no se recopilaron datos de su red, los datos son
anónimos, y se respetaron los más estrictos niveles de privacidad y seguridad”.
Cerca de mil
200 personas accedieron a proporcionar ambos archivos digitales. De estas, solo
114 personas tuvieron un diagnóstico de depresión en sus registros médicos.
Luego, los autores compararon a cada persona con un diagnóstico de depresión
con cinco que no tenían dicho diagnóstico, para actuar como un control, para
una muestra total de 683 personas (excluyendo una por palabras insuficientes en
las actualizaciones de su estado).
DIAGNÓSTICO TRES MESES ANTES
La idea era
crear un escenario lo más realista posible para entrenar y probar el algoritmo
de los investigadores.
“Este es un
problema realmente difícil -dice Eichstaedt-. Si 683 personas presentes en el
hospital y el 15 por ciento de ellas están deprimidas, ¿nuestro algoritmo
podría predecir cuáles? Si el algoritmo dice que nadie estaba deprimido, sería
un 85 por ciento exacto”.
Para
desarrollar el algoritmo, Eichstaedt, Smith y sus colegas revisaron 524 mil 292
actualizaciones de Facebook de los años previos al diagnóstico para cada
individuo con depresión y durante el mismo periodo de tiempo para el control.
Determinaron las palabras y frases más utilizadas y luego modelaron 200 temas
para analizar lo que llamaron “marcadores de lenguaje asociados con la
depresión”.
Finalmente,
compararon de qué manera y con qué frecuencia los participantes deprimidos
versus los de control usaron tales expresiones. Aprendieron que estos
marcadores comprendían procesos emocionales, cognitivos e interpersonales, como
hostilidad y soledad, tristeza y rumia, y que podían predecir la depresión
futura tan pronto como tres meses antes de la primera documentación de la enfermedad
en un registro médico.
“Existe la
percepción de que el uso de las redes sociales no es bueno para la salud mental
-apunta Schwartz-, pero también puede ser una herramienta importante para
diagnosticarla, monitorizarla y eventualmente tratarla. Aquí, hemos demostrado
que se puede usar con registros clínicos, un paso hacia la mejora de la salud
mental en las redes sociales”.
Eichstaedt ve
el potencial a largo plazo en el uso de estos datos como una forma de detección
discreta.
“La esperanza
es que algún día estos sistemas de detección pueden integrarse en los sistemas
de atención -afirma-. Esta herramienta levanta banderas amarillas;
eventualmente, la esperanza es que se pueda canalizar directamente a las
personas que identifique en modalidades de tratamiento escalables”.