Los investigadores establecen que los rasgos de audio y/o vídeo facial han sido los más analizados por el aprendizaje automático, seguidos de las señales de electroencefalografía.
En un artículo de la revista Farmacia Times, publicaron los avances de la Inteligencia Artificial en la detección de trastornos de ansiedad y depresión.
Las herramientas de inteligencia artificial (IA) resultan prometedoras para superar las limitaciones de los trastornos tradicionales de ansiedad y/o depresión, según los resultados de un estudio publicado en Springer.
Puede leer también | ¿Cómo vivir sin ansiedad?
Los investigadores establecieron que los rasgos de audio y/o vídeo facial han sido los más analizados, seguidos de las señales de electroencefalografía (EEG), para detectar trastornos de ansiedad y/o depresión.
Entre las herramientas de detección tradicionales se encuentran el Columbia Suicide Screen, el Cuestionario de riesgo de suicidio y el Cuestionario de ideación suicida, entre otros.
Puede leer también | Curso Online: Qué hacer para vivir sin ansiedad
Según los investigadores, estos programas de cribado se utilizan a menudo en las escuelas para evaluar el riesgo de suicidio.
Sin embargo, estas herramientas de cribado tradicionales tienen limitaciones, como una alta prevalencia de falsos positivos, una falta de recursos debido a la financiación de los programas de evaluación en las escuelas, otras demandas sobre los educadores y consejeros escolares.
Muchos de los individuos identificados pueden ser de etnia blanca, por lo que las herramientas pueden no ser tan eficaces a la hora de identificar a individuos en riesgo de diferentes etnias, señalaron los investigadores.
Además, no existen marcadores biológicos precisos probados para el suicidio que se integraran en la práctica clínica. Sin embargo, se ha informado de que la apolipoproteína E y la interleucina-6 prometen ser biomarcadores prometedores. La alteración de la arquitectura del sueño es un biomarcador del comportamiento y los pensamientos suicidas.
Según los investigadores, los adolescentes suelen expresar los factores de riesgo de suicidio en las redes sociales en lugar de compartir la información con sus profesionales sanitarios.
Puede leer también | Descubre cómo ponerle fin a la ansiedad, depresión e insomnio
Las herramientas tradicionales de aprendizaje automático son un subcampo de la IA, que implica una secuencia de pasos para "entrenar" a la máquina. Las herramientas de aprendizaje automático funcionan bien con pocos datos de entrada para poder "aprender" de ellos.
Normalmente, funcionan automáticamente con los datos y sin intervención humana. Sin embargo, los investigadores deben extraer y seleccionar características para el aprendizaje automático.
Los modelos de aprendizaje automático utilizados para la clasificación de enfermedades incluyen la máquina de vectores soporte, el árbol de decisión, las redes neuronales probabilísticas y las redes neuronales artificiales. Se han utilizado para clasificar enfermedades mentales como el Alzheimer, la depresión, el Parkinson y la esquizofrenia.
Sin embargo, los investigadores observaron que los modelos de aprendizaje profundo suelen tener varias capas entre la entrada y la salida que se utilizan para la clasificación, lo que permite a estas herramientas aprender grandes datos de entrada antes de predecir un resultado.
Puede leer también | Curso ¿Cómo controlar la ansiedad?
Los modelos de aprendizaje avanzado también pueden extraer y seleccionar datos automáticamente.
Algunas de las herramientas más utilizadas para la clasificación son la red neuronal convolucional, la memoria a largo plazo y los autocodificadores.
Puede leer también | ¿Porqué los especialista dicen que es el mejor alimento y podría aliviar la ansiedad social?
Los investigadores descubrieron que las bases de datos de acceso público eran las más utilizadas para los modelos de aprendizaje automático, seguidas de los datos obtenidos de hospitales o centros de investigación.
Además, los investigadores observaron que los rasgos sonoros y/o faciales eran las formas más comunes de datos, seguidos de las señales de EEG y los textos de las redes sociales, para diagnosticar trastornos de ansiedad y/o depresión.
También descubrieron que había más estudios sobre la detección de la depresión que del trastorno de ansiedad o de la depresión y el trastorno de ansiedad juntos.
Puede leer también | Los vegetarianos son más propensos a la depresión que los consumidores de carne
También se produjo un pico en el aprendizaje automático, que alcanzó su punto máximo en 2020, para el uso de la detección de trastornos de ansiedad y/o depresión, lo que podría deberse al aumento de los trastornos de ansiedad y depresión durante la pandemia de COVID-19, especialmente entre adolescentes y niños, señalaron los investigadores.
Referencia
Barua PD, Vicnesh J, Lih OS, et al. Herramientas asistidas por inteligencia artificial para la detección de la ansiedad y la depresión que conducen a la ideación suicida en adolescentes: una revisión. Cogn Neurodyn. 2022;1-22. doi: 10.1007/s11571-022-09904-0
