Inteligencia artificial permite detectar jóvenes con problemas de salud mental
ReachOut es una plataforma virtual australiana que brinda herramientas y consejos a jóvenes y padres. En el sitio funcionan diferentes foros en los cuales los participantes hablan de manera anónima acerca de diversos temas.
Investigaciones recientes muestran que más del 50% de los jóvenes recurren a internet en busca de ayuda cuando pasan por un momento difícil. El sitio de salud mental cuenta con moderadores que son los que están atentos a los intercambios, y logran identificar discursos en los que se visualizan posibles situaciones de riesgo.
Más información: Estar atentos y saber escuchar: aliados contra el suicidio adolescente
ReachOut no tiene costo y cada mes acceden más de 130.000 personas. Desde su lanzamiento la tasa de suicidios en Australia descendió un 46%. Este éxito llevó a que la plataforma abriera una convocatoria para investigadores interesados en desarrollar un detector que pudiera realizar este trabajo de manera automática, con la información detectada por los profesionales.
"Nuestro laboratorio tiene una base de experiencia en trabajo de inteligencia artificial con neurociencias, y por eso nos vimos interesados en participar", contó a Sputnik Edgar Altszyler, integrante del equipo.
La plataforma australiana tiene un protocolo que les permite establecer cuatro categorías para poder abordar los diferentes casos: verde (no requiere atención), amarillo (alerta), rojo (peligro) y con la etiqueta crisis (los casos urgentes, como la ideación suicida).
El sistema desarrollado por el equipo argentino utiliza machine learning (aprendizaje automático), el cual mediante algoritmos hace que la computadora aprenda a diferenciar automáticamente a los grupos de riesgo en el foro de salud mental, utilizando los datos recabados por los moderadores.
"Uno cuando piensa en inteligencia artificial se imagina una mente en la nube que piensa y toma decisiones, pero en realidad es aprendizaje automático. Para la competencia nos dieron 1.000 ejemplos, clasificados a mano por expertos, marcados por el nivel de gravedad (…). Con los datos las herramientas de machine learning identificaron los patrones más relevantes", explicó el investigador argentino.
