MÉXICO.

Al analizar los datos compartidos por los usuarios de las redes socialescon su consentimiento durante los meses previos a un diagnóstico de depresión, los investigadores encontraron que su algoritmo podría predecir con precisión la depresión futura. Los indicadores de la afección incluyeron menciones de hostilidad y soledad, palabras como "lágrimas" y "sentimientos", y el uso de más pronombres en primera persona como "yo" y "a mí", según una nueva investigación de la Universidad de Pensilvania y la Universidad de Stony Brook, ambas en Estados Unidos, publicada en 'Proceedings of the National Academy of Sciences'.

Lo que las personas escriben en las redes sociales y en Internet capta un aspecto de la vida que es muy difícil en medicina y en la investigación para acceder de otra manera", dice H. Andrew Schwartz, autor principal del artículo e investigador principal del Proyecto Mundial de Bienestar (WWBP, por sus siglas en inglés). "Es una dimensión que está relativamente sin explotar en comparación con los marcadores biofísicos de la enfermedad. Considerando condiciones como la depresión, la ansiedad y el trastorno de estrés postraumático, por ejemplo, encontrará más señales en la forma en que las personas se expresan digitalmente", agrega.

Durante seis años, el WWBP, con sede en el Centro de Psicología Positiva de Penn y el Laboratorio de Análisis del Lenguaje Humano de Stony Brook, ha estado estudiando cómo las palabras que usan las personas reflejan sentimientos y satisfacción internos. En 2014, Johannes Eichstaedt, científico investigador fundador de WWBP, comenzó a preguntarse si las redes sociales podían predecir los resultados de salud mental, especialmente para la depresión.

Los datos de las redes sociales contienen marcadores similares al genoma --explica Eichstaedt--. Con métodos sorprendentemente similares a los utilizados en genómica, podemos combinar los datos de las redes sociales para encontrar estos marcadores. La depresión parece ser algo bastante detectable de esta manera; realmente cambia el uso que las personas hacen de las redes sociales de manera que no hace una enfermedad de la piel o la diabetes".

Eichstaedt y Schwartz se unieron a los colegas Robert J. Smith, Raina Merchant, David Asch y Lyle Ungar, del Centro de Medicina Digital Penn, para este estudio. En lugar de hacer lo que habían hecho los análisis anteriores (reclutar a los participantes que aportaron información sobre la depresión), los científicos identificaron los datos de personas que consintieron en compartir los estados de Facebook y la información de los registros médicos electrónicos, y luego analizaron los estados utilizando técnicas de aprendizaje automático para distinguirlos de los de un diagnóstico de depresión formal.

Este es un trabajo inicial de nuestro Registro de Mediomas Sociales del Centro de Medicina sobre Salud Digital de Penn", dice Merchant, "que une las redes sociales con los datos de los registros de salud. Para este proyecto, todas las personas dieron su consentimiento, no se recopilaron datos de su red, los datos son anónimos, y se respetaron los más estrictos niveles de privacidad y seguridad".

Cerca de mil 200 personas accedieron a proporcionar ambos archivos digitales. De estas, solo 114 personas tuvieron un diagnóstico de depresión en sus registros médicos. Luego, los autores compararon a cada persona con un diagnóstico de depresión con cinco que no tenían dicho diagnóstico, para actuar como un control, para una muestra total de 683 personas (excluyendo una por palabras insuficientes en las actualizaciones de su estado).

DIAGNÓSTICO TRES MESES ANTES

La idea era crear un escenario lo más realista posible para entrenar y probar el algoritmo de los investigadores. "Este es un problema realmente difícil --dice Eichstaedt--. Si 683 personas presentes en el hospital y el 15 por ciento de ellas están deprimidas, ¿nuestro algoritmo podría predecir cuáles? Si el algoritmo dice que nadie estaba deprimido, sería un 85 por ciento exacto".

Para desarrollar el algoritmo, Eichstaedt, Smith y sus colegas revisaron 524 mil 292 actualizaciones de Facebook de los años previos al diagnóstico para cada individuo con depresión y durante el mismo periodo de tiempo para el control. Determinaron las palabras y frases más utilizadas y luego modelaron 200 temas para analizar lo que llamaron "marcadores de lenguaje asociados con la depresión".

Finalmente, compararon de qué manera y con qué frecuencia los participantes deprimidos versus los de control usaron tales expresiones. Aprendieron que estos marcadores comprendían procesos emocionales, cognitivos e interpersonales, como hostilidad y soledad, tristeza y rumia, y que podían predecir la depresión futura tan pronto como tres meses antes de la primera documentación de la enfermedad en un registro médico.

Existe la percepción de que el uso de las redes sociales no es bueno para la salud mental --apunta Schwartz--, pero también puede ser una herramienta importante para diagnosticarla, monitorizarla y eventualmente tratarla. Aquí, hemos demostrado que se puede usar con registros clínicos, un paso hacia la mejora de la salud mental en las redes sociales".

Eichstaedt ve el potencial a largo plazo en el uso de estos datos como una forma de detección discreta. "La esperanza es que algún día estos sistemas de detección pueden integrarse en los sistemas de atención --afirma--. Esta herramienta levanta banderas amarillas; eventualmente, la esperanza es que se pueda canalizar directamente a las personas que identifique en modalidades de tratamiento escalables".