Un reciente trabajo publicado en Frontiers in Psychiatry explora cómo desarrollar un chatbot para identificar de manera temprana síntomas de depresión en adolescentes.
Detectar depresión en adolescentes a través del lenguaje y la ayuda de la IA: ¿más cerca de lo que pensamos?
Para ello, Jarvers y cols. (2024) realizaron entrevistas estructuradas a 53 adolescentes, con y sin diagnóstico de depresión, usando la Mini-International Neuropsychiatric Interview for Children and Adolescents (M.I.N.I.–KID). De estas entrevistas, los autores generaron un corpus de 4.077 pares pregunta-respuesta que sirvieron de base para entrenar un modelo clasificatorio basado en el vectores BERT (Bidirectional Encoder Representations from Transformers), todo ello con el objetivo de distinguir entre adolescentes con y sin depresión, a partir de sus respuestas verbales. Asimismo, los investigadores exploraron la generación de respuestas sintéticas mediante ChatGPT para aumentar el conjunto de datos y mejorar el entrenamiento del modelo.
¿Pueden los datos clínicos sintéticos contribuir a mejorar los Grandes Modelos de Lenguaje?
Para los autores del presente estudio es una ventana de oportunidad a explorar. Los principales resultados de la investigación mostraron que el modelo BERT logró una precisión de hasta 97% para discriminar entrevistas de adolescentes con depresión versus sin depresión. Como hallazgo relevante, en los análisis lingüísticos se observaron diferencias como mayor uso del pronombre “yo” por parte de adolescentes con depresión y menor frecuencia de preposiciones. Además, los investigadores corroboraron la mejora del rendimiento del modelo BERT gracias a los datos sintéticos generados por ChatGPT; sin embargo, encontraron algunas dificultades de ChatGPT a la hora de comprender largas instrucciones con descripciones abstractas.
Este estudio abre una vía prometedora: usar análisis lingüístico y IA para facilitar la detección temprana de la depresión en adolescentes, una población que presenta barreras para acceder a servicios de salud mental. Además, esta investigación corrobora que los datos sintéticos pueden complementar la investigación cuando los conjuntos reales son limitados.
Hacia una nueva forma de detectar problemas clínicos de depresión en adolescentes
Los autores proponen avanzar hacia la creación de chatbots clínicos que puedan realizar entrevistas semiestructuradas, detectar síntomas de depresión y orientar a la intervención adecuada. Si bien es cierto que se deberá seguir investigando en detalle para asegurar la validez de los datos generados y abordar aspectos éticos y de privacidad de la población adolescente.
