¿Sabías que las personas deprimidas usan el lenguaje de una forma diferente de las personas que no lo están? Si dividimos a la población en dos grandes conjuntos (personas deprimidas y personas no deprimidas) observamos diferencias en el modo en que se comunican.
El modo en que nos sentimos afecta al modo en que actuamos. Gracias a esta diferencia es posible detectar a personas con depresión usando Big Data e inteligencia artificial. Twitter, Facebook, e incluso Instagram, dado que las fotografías son un tipo de lenguaje. Antes, demos una vuelta por la Antártida.
El equivalente lingüístico a los testigos de hielo antártico
Hace décadas que perforamos el hielo antártico para analizar los testigos de hielo. En ellos, atrapadas desde hace milenios, hay burbujas de aire de la época. Analizando su composición somos capaces de saber cómo era la atmósfera.
Cruzando los datos con la altura y otros hechos conocidos (como la composición tras diversas erupciones volcánica) podemos fecharlos. Invirtiendo el proceso, ahora podemos datar un objeto si localizamos microburbujas de aire en su interior.
El lenguaje no es muy diferente, y puede ser estudiado de un modo parecido. En 2014, ProffReader analizó un texto tipo en inglés y se dieron cuenta de que no todas las letras se comportaban igual. Había letras que solo aparecían al inicio de las palabras (b), y otras lo hacían predominantemente al final (e).
Si analizamos todos los libros digitalizados con fecha conocida, obtendremos patrones similares para fechas similares. De este modo obtendremos una “huella de frecuencia de letras” asociada a distintos periodos históricos. Si cogemos un libro sin fecha, sabremos decir de manera aproximada de qué época data.
Para eso se usan técnicas de Big Data (grandes conjuntos de datos) e inteligencia artificial para detectar patrones y comparar. ¿Por qué hemos ido a la Antártida o estudiado los textos antiguos? Porque visualizar la composición atmosférica es más fácil que un análisis estadístico en base a la frecuencia del orden de aparición de las letras dentro de las palabras. Hasta decirlo es enrevesado.
Un reciente estudio publicado en la Clinical Psychological Science habla sobre el “lenguaje de la depresión”. Según este estudio (hay otros similares usando música y psicopatía) podemos usar la “huella en la frecuencia de las palabras” para identificar personas deprimidas. Estas, al comunicarse, tienen patrones distintos a los del resto de la población, o viceversa.
¿Cómo identifica la inteligencia artificial los rasgos de una persona?
En el estudio mencionado se analizan dos tipos de patrones en el lenguaje. El contenido y el estilo. El análisis del contenido es el más sencillo: se cuentan las palabras y se buscan tendencias. Por ejemplo, destaca que la muestra de personas deprimidas no usa más palabras tristes como “soledad”, “triste” o “desgraciado” que las personas no deprimidas.
Donde sí encontramos una diferencia interesante entre deprimidos y no deprimidos es en el uso de los pronombres. En concreto los pronombres de la primera persona del singular, como “me” o “myself”. (El estudio analiza el uso del inglés).
Además, se ha demostrado que usan menos los pronombres como “they” o “them”. Esto da a entender a los firmantes del estudio que las personas deprimidas tienen el foco en sí mismas. Ojo, no es lo mismo que decir que con egoístas o ególatras.
El análisis del estilo es mucho más complejo porque analiza más factores. En el estudio mencionado se comenta que las personas deprimidas tienen una visión de la realidad más polarizada. De ahí que usen palabras absolutas como “siempre”, “nunca”, “nada”, “completamente”.
Cómo usar la inteligencia artificial y el Big Data para detectar la depresión
En el estudio de 2016 ‘Análisis de textos: la convergencia del Big Data y la inteligencia artificial’ A. Moreno y T. Redondo hablan sobre la posibilidad de analizar tweets, blogs o emails en búsqueda de patrones. Las palabras descritas en el estudio mencionado arriba podrían servir como indicaciones.
Imaginemos que se analizan miles o cientos de miles de cuentas de Twitter (que son públicas) cruzando los datos con el historial clínico de los pacientes (esto no es público). Se podría así construir una gran base de datos que mostrase un continuum entre “personas claramente no deprimidas” y “personas claramente deprimidas”. El grueso de la población nos encontramos entre esos dos puntos.
Dibujar un abanico de posibilidades es importante porque es poco probable que alguien esté completamente deprimido o completamente no deprimido. La mayoría de nosotros tenemos días, semanas o meses de altibajos.
Incluso para los profesionales formados resulta difícil clasificar los distintos grados y formas de depresión. Pero para una inteligencia artificial con millones de datos resulta sencillo. Una vez consolidados estos datos podríamos coger una persona sin diagnóstico clínico y ver en qué punto o puntos de ese continuum se encuentra.
https://www.instagram.com/p/2cO5WUmRkf/?saved-by=euklidiadas
Podemos imaginarlo como el índice de masa corporal, que tiene sus límites saludables en 18,5 y 24,9. Es posible que alguien sano tenga un IMC de 32 debido a su constitución, pero lo más probable es que esté obeso. Esto puede servir como indicativo para tratamientos posteriores y ayuda a los psicólogos y psiquiatras a centrarse en los pacientes más graves.
Algo parecido a este análisis de texto lo veíamos en la ciencia ficción de Black Mirror. En el capítulo 2×01 ‘Ahora mismo vuelvo’, una IA copiaba todas las conversaciones virtuales de una persona para suplirla. Con el suficiente volumen de datos, y una base consolidada que tomar como referencia, es posible analizar distintos rasgos de la personalidad con respecto a la media de la población.
Analizar imágenes para buscar personas deprimidas en Instagram
Todo esto también puede ser utilizado para imágenes en lugar de texto. Usando una metodología similar a los estudios mencionados, en 2017 varios investigadores de la Universidad de Vermont publicaron el estudio ‘Las fotografías de Instagram muestran marcadores predictivos de depresión’.
Estos investigadores analizaron 43.950 fotografías e hicieron uso de los datos de 166 voluntarios. Para clasificar las fotografías usaron marcadores como el color, los metadatos o la aparición de rostros.
En líneas generales, las personas sanas preferían colores brillantes y vivos. Identificaban los grises y oscuros con un estado de ánimo negativo. En el otro lado del espectro, las personas deprimidas preferían colores más oscuros y grises. Curiosamente, las personas deprimidas identificaban el entorno como falto de color o grisáceo.
Además, las fotografías subidas por personas deprimidas recibían menos “Me gusta” y, curiosamente, eran más realistas al no usar filtros. Todo lo contrario que las personas no deprimidas, que abusaban de los brillos y tenían muchos más ‘Me gusta’.
Hace tiempo que se sabe que Instagram no es precisamente bueno para nuestra salud mental. Propiedad de Facebook, hace bastante que instaló un desvío ante la búsqueda de ciertas palabras. Por ejemplo, trata de buscar “suicidio” en Instagram. A pesar de que más de 95.000 publicaciones tienen este hashtag, Instagram te lleva a esta web:
Si uno pulsa sobre el botón “Más información, acaba redirigido a una web de Facebook que te anima a hablar. Con un amigo, con un voluntario o recibir consejos. Las personas deprimidas necesitan pedir ayuda.
El lenguaje, tanto en palabras como visual, es clave para nuestra mente, que no sabe vivir sin él. Haciendo uso de técnicas de machine learning, Big Data, inteligencia artificial y otras, podemos diagnosticar mejor la depresión.
La atmósfera atrapada en los testigos de hielo de la antártida nos informaba sobre el estado de la atmósfera terrestre. El análisis de la frecuencia de las letras puede orientarnos sobre la época. El uso de técnicas de análisis de texto nos puede llevar a identificar a personas deprimidas. Un primer paso para ayudarlas.
En Lenovo | Los próximos periodistas, ¿serán máquinas?
Imágenes | Lonnie Thompson, Ian Dooley
