La inteligencia artificial en salud mental es una realidad. Mientras que la información compartida en redes sociales, mensajería instantánea, smartphones y registros webs ayuda a entender el comportamiento de las personas, los aportes de la psicología, la sociología y la ciencia de datos, en conjunto, aportan conocimiento del desarrollo personal y de la participación social. Datos claves para la promoción, prevención y atención en salud mental.
La pandemia de COVID-19 agravó la situación de salud mental en la Región y en el mundo, aumentando los nuevos casos de afecciones de salud mental y empeorando las preexistentes. También produjo interrupciones significativas en los servicios para trastornos mentales, neurológicos y por uso de sustancias. Las poblaciones que históricamente se enfrentaron a una mayor carga de afecciones de salud mental y un acceso reducido al tratamiento, en la actualidad se ven afectadas de manera desproporcionada por los impactos de COVID-19 en la salud mental.
En la Región de las Américas, los trastornos mentales, neurológicos y por uso de sustancias (SNM) y el suicidio representan más de un tercio (34%) del total de años vividos con discapacidad, siendo los trastornos depresivos la principal causa de discapacidad. Casi 100.000 personas mueren por suicidio cada año en la Región.
Ahora más que nunca, mientras la pandemia de COVID-19 destaca y profundiza las inequidades de larga data en la salud mental en la Región, es esencial que se trabaje en nuevas soluciones para hacer que la atención de salud mental sea una realidad para todas las personas.
Sin embargo, uno de los muchos problemas que dificultan la capacidad de la sociedad para hacer frente a estos trastornos es que el diagnóstico de los problemas de salud mental requiere de especialistas, cuya disponibilidad varía drásticamente en todo el mundo.
Es en este sentido, que el desarrollo de una metodología de aprendizaje automático para facilitar la evaluación de la salud mental podría, por ejemplo, proporcionar un medio adicional para ayudar a detectar, prevenir y tratar estos problemas de salud.
¿Cómo puede la IA ayudar a la Salud mental?
Los expertos de la Universidad de Texas en Austin están investigando cómo la inteligencia artificial (IA) puede ayudar a los jóvenes que enfrentan problemas de salud mental. “Desde mensajes de texto hasta publicaciones en las redes sociales, existen algoritmos que pueden procesar ese lenguaje y detectar patrones de comportamiento, incluso emociones y sentimientos“, explica el profesor S. Craig Watkins, fundador del Institute for Media Innovation en el Moody College of Communication.
Watkins se asoció con un equipo de estudiantes graduados de la Escuela de Información (iSchool) para investigar el poder de lo que llaman “IA conducida por valores“. Su proyecto explora cómo la tecnología impulsada por IA puede eliminar o reducir las barreras para adolescentes o adultos jóvenes que buscan ayuda relacionada a su salud mental.
Las barreras pueden incluir la falta de conocimiento acerca de los recursos disponibles, el costo y los sitios accesibles, así como el estigma y la vergüenza que a menudo se asocian con la salud mental. El objetivo de Good Systems, investigación interdisciplinaria universitaria, es mejorar la IA para usarla en beneficio de la sociedad.
“La IA puede analizar el contenido que las personas crean, las conversaciones en las que participan, las comunidades a las que están conectadas y qué información buscan en la red. Todas estas cosas podrían servir para identificar el inicio de un problema de salud mental o de alguien que actualmente está lidiando con problemas“, dice Watkins y agrega que a pesar de las cuestiones vinculadas a la privacidad de datos que todavía deben mejorarse, el potencial de la IA para mejorar el acceso a la atención psicológica y aumentar la detección temprana de enfermedades mentales, justifica el esfuerzo por encontrar el equilibrio adecuado sobre el tema.
Un asunto de datos
Asimismo, una nueva investigación realizada por un equipo interdisciplinario, dirigido por Denis Engemann, del Instituto Nacional de Investigación en Informática y Automática (INRIA, por sus siglas en francés), demuestra que el aprendizaje automático a partir de grandes cohortes de población puede arrojar «medidas aproximadas» de los problemas de salud relacionados con el cerebro sin necesidad de la evaluación de un especialista.
Los investigadores aprovecharon el Biobanco del Reino Unido, una de las bases de datos biomédicos más grandes y completas del mundo, que contiene datos detallados y seguros relacionados con la salud de la población británica, para desarrollar modelos de IA sensibles a la salud mental.
El Biobanco no sólo almacena datos biológicos y médicos, sino también datos de cuestionarios sobre circunstancias y hábitos personales, como la edad, la educación, el consumo de tabaco y alcohol, la duración del sueño y el ejercicio físico, entre otras cosas. Específicamente para este estudio, estos cuestionarios también incluyen datos sociodemográficos y de comportamiento, como el estado de ánimo y los sentimientos de los individuos, y los datos biológicos incluyen imágenes de Resonancia Magnética (RM) de 10.000 escáneres cerebrales de los participantes.
Los científicos combinaron estas dos fuentes de datos para construir modelos que se aproximan a las medidas de la edad cerebral y a los rasgos de inteligencia y neuroticismo definidos científicamente. Se trata de «medidas indirectas» que se correlacionan con enfermedades o resultados específicos que no pueden medirse directamente.
El desarrollo de aproximaciones de este modelo se ha empleado con éxito en el pasado para predecir la «edad cerebral» a partir de imágenes de RM. Este conjunto de trabajos neuroclínicos anteriores sirvió de punto de partida a Denis Engemann y su equipo.
«En este trabajo, hemos generalizado esta metodología de dos maneras. En primer lugar, demostramos que, más allá del envejecimiento biológico, el mismo marco de medidas indirectas es aplicable a constructos más directamente relacionados con la salud mental. En segundo lugar, demostramos que pueden obtenerse medidas indirectas útiles a partir de otros datos distintos de las imágenes cerebrales, como los sociodemográficos y los conductuales», explica Engemann.
Los investigadores validaron sus medidas proxy demostrando los mismos resultados en un subconjunto separado de datos del Biobanco del Reino Unido. Los resultados de este trabajo permiten vislumbrar un futuro en el que los psicólogos y los modelos de aprendizaje automático podrían trabajar mano a mano para producir evaluaciones mentales cada vez más precisas y personalizadas.
Por ejemplo, en el futuro los clientes o los pacientes podrían conceder a un modelo de aprendizaje automático acceso seguro a sus cuentas de redes sociales o a los datos de su teléfono móvil, para luego devolver medidas indirectas que sean útiles tanto para el cliente como para el experto en salud mental o educación.
Formación profesional
Para estudiantes de psicología encontrarse con materias de psicometría y análisis de datos, entre otras, suponía una sorpresa cuando se esperaba aprender sobre las personas. No obstante, ahora estamos en una fase en la cual la información que puede darnos un instrumento / cuestionario, no es nada en comparación con lo que obtienen empresas como google, twitter, facebook o proveedores de internet por la actividad de la personas.
Compartimos información paseando el smartphone, comunicando con palabras o emoticonos. Cuando estamos mal, nuestro comportamiento cambia y las decisiones que tomamos se reflejan en nuestra conducta. Tener un mail y compartir información, aportan en su conjunto conocimiento sobre cómo somos. Sin embargo, los datos necesitan comprenderse, interpretarse cultural, social y psicológicamente, es ahí donde se da una intersección entre el potencial de la inteligencia artificial al estructurar datos, y las ciencias sociales.
La atención de profesional a paciente está condicionada por números. Personas a las que se puede atender, y presupuesto disponible para cubrir el servicio. Utilizando la inteligencia artificial, puede mantenerse la atención mientras que disponemos de mayor información sobre la evolución en salud mental. De esta forma, adoptamos medidas de promoción y prevención más adecuadas al comportamiento del individuo / grupo social. Y si no pueden acudir a sesiones, igualmente siguen generando y recibiendo información digital.
Cualquier ámbito de salud mental necesita información. Independientemente del enfoque, se necesita obtener información del qué, precedentes y consecuencias de la atención. La capacidad de una persona para analizar todas las variables que interfieren a lo largo de la vida es limitada cuantos más pacientes atienda.
Ante esta realidad, la posibilidad que presenta el momento actual junto a la inteligencia artificial necesita de una alfabetización digital. Mientras nuevas formaciones interdisciplinares se abren paso, mayormente continuamos formando en grados sin nexo con otros ámbitos de conocimiento. Cuando el COVID-19 está incidiendo globalmente en el comportamiento, es necesario integrar desde el inicio un mayor conocimiento digital. Los recursos online de formación aumentan, lo importante es aprender a discernir cuales aportan valor.
Fuentes:
https://www.paho.org/es/campanas/dia-mundial-salud-mental-2021
https://www.consalud.es/tecnologia/inteligencia-artificial-evaluaciones-salud-mental_103865_102.html
