Los sistemas de aprendizaje automático también van camino de convertirse en verdaderos aliados de los médicos a la hora de detectar síntomas de depresión entre las personas. Según informó recientemente el MIT, un grupo de investigadores de la misma institución han creado un modelo de red neuronal que ha sido capaz de superar al resto de redes neuronales existentes a la hora de detectar síntomas de depresión con un mayor nivel de precisión.
A este respecto, este nuevo modelo de red neuronal trata de identificar patrones específicos directamente desde las conversaciones de audio y de texto de las personas para determinar, sin informaciones adicionales, si las mismas tienen depresión y a qué nivel.
Para crear este modelo se ha entrenado y probado el mismo utilizando un conjunto de datos de 142 interacciones del Distress Analysis Interview Corpus que contiene entrevistas de audio, texto y video de pacientes con problemas de salud mental y agentes virtuales controlados por humanos, según detalla la publicación.
Para entender el avance, hay que señalar que otros modelos de redes neuronales no han sido tan precisas, donde tan sólo han podido determinar depresión a través de respuestas concretas a preguntas específicas, con lo que el nuevo modelo de red neuronal es mucho más efectivo y abre nuevos horizontes a la hora de realizar detecciones de depresión.
Esto podría dar lugar a que, por ejemplo, pudieran crearse en un futuro aplicaciones móviles que analicen las conversaciones de audio y texto en las personas, sobre todo, aquellas que por diversas cuestiones no pueden acceder a un médico para su diagnóstico.
Sobre este nuevo modelo de red neuronal se ha presentado un documento hablando del mismo en la conferencia de Interspeech.