Al analizar los datos compartidos por los usuarios de Facebook, con su consentimiento, durante los meses previos a un diagnóstico de depresión, un grupo de investigadores de de la Universidad de Pensilvania y la Universidad de Stony Brook encontraron que su algoritmo podría predecir con precisión una futura depresión.
Los indicadores de la afección incluyeron menciones de hostilidad y soledad, palabras como "lágrimas" y "sentimientos", y el uso de pronombres en primera persona como "yo" y "a mí", según un estudio publicado en 'Proceedings of the National Academy of Sciences'.
"Lo que las personas escriben en las redes sociales capta un aspecto de la vida al que es muy difícil acceder en medicina y en la investigación", 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, los investigadores han estudiado 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".
En lugar reclutar a participantes que aportaran información sobre la depresión, los científicos identificaron los datos de personas que consintieron en compartir los estados de Facebook, y luego analizaron los estados utilizando técnicas de aprendizaje automático para distinguirlos de los de un diagnóstico de depresión formal.
Cerca de mil 200 personas accedieron a proporcionar ambos archivos digitales; de éstas, 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.
Para desarrollar el algoritmo, Eichstaedt 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, soledad y tristeza, y que podían predecir la depresión futura hasta tres meses antes de la primera documentación de la enfermedad en un registro médico.
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".
FM