detector de depresión

Ilustración de una persona con una burbuja de habla que muestra un cerebro dentro. Em. tecnología; Perfil facial por Marek Polakovic, SK | Sustantivo Proyecto

Para diagnosticar la depresión, los médicos entrevistan a los pacientes y les hacen preguntas específicas, por ejemplo, sobre enfermedades mentales pasadas, estilo de vida y estado de ánimo.

El aprendizaje automático que puede detectar palabras y entonaciones asociadas con la depresión podría ayudar con el diagnóstico. Pero tales modelos tienden a predecir la depresión a partir de las respuestas específicas de la persona a preguntas muy específicas.

Un nuevo modelo de red neuronal desarrollado en el MIT se puede desencadenar en texto sin procesar y datos de audio de entrevistas para descubrir patrones de habla indicativos de depresión. Dado un tema nuevo, puede predecir con precisión si el individuo está deprimido sin necesidad de ninguna otra información sobre las preguntas y respuestas.

El modelo ve secuencias de palabras o estilos de habla, y determina que es más probable que estos patrones se vean en personas deprimidas o no deprimidas, dice el estudiante graduado de EECS e investigador de CSAIL Tuka Alhanai, SM '14, primer autor de un artículo presentado en la conferencia Interspeech. Luego, si ve las mismas secuencias en sujetos nuevos, puede predecir si también están deprimidos.

Esta investigación podría conducir a herramientas para detectar signos de depresión en una conversación natural. Por ejemplo, las aplicaciones que alertan a los usuarios sobre signos de angustia en sus comunicaciones de voz y texto podrían ser útiles para aquellos que no pueden acudir a un médico para obtener un diagnóstico debido a la distancia, el costo o la falta de conciencia de que algo puede estar mal. La tecnología también podría ayudar a identificar la angustia mental durante las conversaciones informales en los consultorios clínicos. —

esconder