Uns algorismes permeten localitzar patrons de comportament suïcida a Twitter
Un grup d’investigadors, psicòlegs i psiquiatres han desenvolupat uns algorismes d’Intel·ligència Artificial que, analitzant textos, imatges i activitats a la xarxa social Twitter, detecten patrons de comportament suïcida amb un 85% de precisió.
Es tracta del projecte STOP (Suïcidi Prevention in Social Platforms), l’objectiu del qual és buscar i analitzar patrons de conducta suïcida aplicant la Intel·ligència Artificial a les xarxes socials.
El projecte està dirigit per Ana Freire, investigadora en el Departament de Tecnologies de la Informació i les Comunicacions de la Universitat Pompeu Fabra (UPF), i ha comptat amb la col·laboració del Centre de Visió per Computador de la UAB i de l’Hospital Parc Taulí de Sabadell (Vallès Occidental).
Els investigadors ressalten que a Espanya, on cada any hi ha unes 3.000 víctimes de suïcidis, “el tabú associat a aquest fenomen, l’escassa educació en salut mental i el difícil accés, de vegades, a consultes psicològiques ocasiona que persones amb problemes mentals no rebin ni un diagnòstic ni un tractament adequat”.
L’Organització Mundial de la Salut ha calculat que cada suïcidi suposa un impacte emocional en almenys sis persones de l’entorn de la víctima.
En aquest escenari, segons els investigadors, que han publicat la seva contribució basada en tècniques d’intel·ligència artificial a la revista ‘Journal of Medical Internet Research’, “les xarxes socials s’han mostrat com un mitjà eficaç per detectar problemes com la depressió o els trastorns de la conducta alimentària que, en casos molt extrems, poden generar ideació suïcida”.
Segons els investigadors, a Twitter es publiquen al voltant de 8.000 tuits per segon, “que contenen informació molt valuosa per a diversos camps, però també per analitzar temes relacionats amb la salut mental”.
“En el nostre cas, entrenem algorismes d’intel·ligència artificial perquè puguin distingir patrons d’alt risc i de baix risc de suïcidi, amb dades etiquetades per experts en salut mental i completament anonimitzades, per respectar la privadesa dels usuaris”, expliquen en el seu estudi, que és el primer que tracta aquest problema analitzant textos en espanyol mentre té en compte l’historial de publicacions (tuits) de cada usuari.
La tècnica també genera una exhaustiva metodologia per recopilar dades relatives al suïcidi i analitza imatges i textos.
Segons els investigadors, “la contribució principal d’aquest treball és que per al desenvolupament dels models s’exploren imatges, juntament amb aspectes que normalment són tinguts en compte per especialistes en el diagnòstic com les interaccions entre usuaris, l’anàlisi de patrons de la son i l’existència de factors de risc”.
“Aquest treball ens ha permès aprendre característiques diferencials entre els grups d”alt risc’ de suïcidi i ‘lliure de risc’ i veure que el primer grup tendeix a parlar més en primera persona i a utilitzar negacions i termes relacionats amb sentiments, entre els quals destaca l’ansietat”, detallen.
També han observat que solen tenir menor quantitat d’amics (comptes que segueixen), escriuen textos amb menor quantitat de caràcters i tenen major activitat durant els caps de setmana i a la nit.
Igualment, han pogut demostrar “que pot existir certa correlació entre el contingut de les imatges compartides en xarxes socials amb la salut mental de l’usuari que les comparteix”, segons afirma Jordi González, investigador del Centre de Visió per Computador (UAB), que ha participat amb el seu equip en el projecte.
Ricardo Baeza-Yates (UPF) ha ressaltat la importància d’algorismes com l’ara publicat “per trobar en xarxes socials nous factors derivats de l’ús de mitjans digitals que puguin ajudar a un diagnòstic eficaç i contribuir al fet que el suïcidi deixi de ser un tema tabú en la nostra societat”.
Com a projecte, STOP compta amb una iniciativa de micromecenatge per ampliar la recerca a d’altres problemes de salut mental, com els trastorns de la conducta alimentària.
En el projecte han treballat també, a més d’Ana Freire, Ricardo Baeza i Jordi González, Diana Ramírez (UPF), Joaquim Puntí (Servei de Salut Mental de l’Hospital Parc Taulí i Departament de Psicologia Clínica de la UAB), Pilar Medina (UPF), Diego Alejandro Velázquez (Centre de Visió per Computador-UAB) i Josep Maria Gonfgaus (Visual Tagging Services-UAB).
