IA para cuidar la salud mental

Con el inicio de un nuevo año, es costumbre fijarse una lista de propósitos y metas a alcanzar. Hoy queremos destacar un logro que para quien lo sufre es especialmente valioso, aunque se haya llevado en silencio. Hablamos de la salud mental. La propia OMS llama la atención acerca de la gravedad de la situación a nivel global, y no es para menos; se estima que el 9% de la población española sufre de alguna enfermedad mental en estos momentos, y que un 25% vivirá esta experiencia a lo largo de su vida. Además, muchos especialistas ya avisan del impacto que la crisis sanitaria que vivimos puede tener en nuestra psicología a corto y largo plazo.  Es urgente pasar a la acción, preocuparnos más por los demás y trabajar para hacer de este mundo un lugar mejor entre todos.

¿Cómo podemos contribuir a ello mediante IA? ¿En qué se fijan las máquinas para evaluar la salud mental de una persona? ¡Veámoslo!

Un problema a nivel planetario

 

Entendamos la magnitud del problema. Estamos hablando de una auténtica catástrofe en términos sociales, ya que despedimos el año 2020 certificando que el suicidio es, sólo por detrás del cáncer, la principal causa de muerte entre la juventud española de entre 15 y 29 años[1]. Aún peor, si consideramos el resto de la población, hablamos de una media de 11 suicidios al día (o uno cada 2 horas), siendo la principal causa de muerte no natural en nuestro país.

 

El suicidio no es sino la expresión última de fenómenos más profundos, pues suele venir de la mano de alguna enfermedad mental grave, algo que comparten alrededor del 3% de los españoles[2]. Dicho porcentaje se duplica si hablamos de la ansiedad, que llega a afectar a una de cada nueve mujeres[3]. Estos trastornos provocan en la mayoría de los casos un empeoramiento en las condiciones laborales o incluso la pérdida de empleo, con el aislamiento social y la precariedad que ello conlleva[4]. Hablamos de un auténtico drama ya que por añadidura, apenas contamos con 11 psiquiatras por cada 100.000 habitantes[5], siendo uno de los países de la Unión Europea que menos recursos dedica a ello[6].

 

En definitiva, tenemos millones de personas afectadas, se espera que estos números sigan creciendo y disponemos de pocos especialistas como para lidiar con tal volumen de pacientes. Parece un escenario perfecto para el desarrollo de IA, donde algoritmos inteligentes ayuden en la toma de decisiones a los profesionales del sector, permitiendo llegar a más personas con un trato personalizado, científico y humano al mismo tiempo.

 

Una estrategia basada en el promedio

 

Como ya hemos advertido en otras ocasiones, lo que solemos denominar como modelos inteligentes son modelos matemático-computacionales que están limitados en su aprendizaje al cálculo de estadísticas avanzadas sobre enormes cantidades de datos. Por ende, son incapaces de entender la causalidad o la relación entre conceptos abstractos. Ahí reside un posible sesgo fundamental: un modelo de IA reconocerá como enfermedad mental aquello que distinga por encima de un cierto umbral a un paciente del resto de individuos. Por eso, se hace imprescindible acercarse lo máximo posible al contexto particular de cada paciente, para poder interpretar correctamente qué nos está diciendo nuestra IA. Si queremos construir sistemas útiles para hospitales españoles, de poco nos sirve un modelo construido en base a datos procedentes de ciudadanos de Beijing. La brecha entre ambos escenarios es quizás insalvable.

 

Recopilar y procesar los datos más apropiados para modelar el problema a enfrentar se convierte así en la prioridad, frente a la elección del modelo concreto de IA que empleemos.

 

¿Un “lenguaje de la depresión”?

 

Cabe preguntarse si aquellos sufriendo de una enfermedad mental se expresan de una manera especial que permita al especialista anticiparse a estados más graves de la enfermedad. Valga como ejemplo el trabajo de unos investigadores de Pennsylvania[7], que encontraron que aquellas personas que más referencias hacían a la soledad o a comportamientos hostiles en sus estados de Facebook tenían una probabilidad más alta de sufrir depresión. En efecto, numerosas investigaciones apuntan a la posibilidad de poder analizar el lenguaje empleado tanto en una conversación como en escritos para anticiparse a episodios graves de depresión, ansiedad y patologías afines. De proseguir y ampliar su uso, podríamos estar hablando de la posibilidad de salvar miles de vidas.

 

El gobierno ha aprobado recientemente la creación de un servicio telefónico que brinde ayuda y asistencia profesional toda aquella persona que tenga ideas de suicidio, el 024. También contamos con el Teléfono de la Esperanza,  un proyecto que busca ofrecer apoyo antes de que sea demasiado tarde. Además de la propia línea telefónica, esta iniciativa cuenta con un algoritmo que analiza el vocabulario empleado por personas con depresión u otro tipo de condición mental. Basándose en las ideas de Robert Plutchik, con este algoritmo detectan hasta 32 estados emocionales catalogados como de alto riesgo de suicidio. En caso de encontrar de manera reiterada signos claros de un suicidio inminente, remite a la persona a un equipo de profesionales especializados, y monitoriza la actividad del usuario en redes sociales.

 

Como puede ya imaginar, el análisis del lenguaje utilizado se basa en algunas de las herramientas de Procesamiento del Lenguaje Natural que ya introdujimos en Diciembre. Este tipo de aplicaciones no es sino una muestra de la necesidad de continuar trabajando para disponer de herramientas computacionales centradas en el castellano. Es además un ejemplo de cómo mediante IA estamos logrando poner en contacto disciplinas normalmente alejadas entre sí, como puede ser la lingüística, las matemáticas y la psiquiatría.

 

Un caso práctico: Aimentia

 

Para entender mejor cómo podemos alinear las técnicas de IA con trastornos como la depresión o el suicidio, hablamos con Edgar Jorba, CEO y fundador de Aimentia. Este ingeniero industrial vivió de primera mano las dificultades de atender a la salud mental mientras trabajaba en una clínica de Barcelona. Allí pudo comprobar cómo los pacientes, incluso de manera inconsciente, expresaban mucho más acerca de sus enfermedades de lo que muchos médicos, faltos de tiempo y recursos adecuados, podían apreciar.

 

En respuesta a este reto decidió crear Aimentia. Esta iniciativa busca proporcionar una plataforma digital donde profesionales de la salud mental y pacientes se encuentren en un espacio común conveniente para ambas partes. A partir del análisis inteligente tanto de la interacción entre médicos y pacientes como de recursos aceptados por la comunidad científica sobre salud mental, sus algoritmos traducen estas cantidades ingentes de información en conocimiento adicional que apoya la toma de decisiones clínicas. Esto es especialmente relevante en situaciones extremas como el pasado estado de alarma, donde el análisis en tiempo real de las interacciones de los usuarios les permitió ofrecer una perspectiva local, precisa y ajustada a cada paciente. Tradicionalmente el contexto social podría haberse incorporado con semanas o meses de retraso en las terapias, pero con este tipo de herramientas los médicos son capaces de observar en tiempo real la evolución de grupos poblacionales en relación a su paciente, pudiendo acceder a sutilezas y matices de gran valor para el profesional, y en un tiempo récord, gracias a la IA.

 

Y mirando a futuro…

 

En toda nuestra discusión hemos pasado de puntillas en un aspecto clave: la selección de datos adecuados para entrenar nuestros modelos. A diferencia de las lesiones físicas, el diagnóstico de una enfermedad mental se basa en el juicio de profesionales de la salud mental tras interactuar con el paciente y observar partes de su historia clínica. Pero la IA no funciona igual… Recordemos que estos sistemas buscan patrones presentes en la base de datos considerada, y sus algoritmos se diseñan siempre con vistas a ese fin.

 

Por tanto, debemos por un lado diseñar y establecer protocolos de recopilación de datos que sean robustos, y lo menos sesgados posible. A día de hoy, gran parte de la investigación académica se centra en bases de datos donde la mayor parte de las muestras proceden de individuos con alguna enfermedad, creando un sesgo fundamental que limita su aplicabilidad. Pese a nuestros mejores esfuerzos, eso afecta irremediablemente a la capacidad de extraer conocimiento útil de nuestros algoritmos.

 

La inclusión de estrategias centradas en datos reales, generados de manera espontánea por la población, se perfila como una de las principales vías a explorar en el futuro más cercano. Este tipo de enfoques, además, permite acceder a los matices, tanto personales como sociales, que pueden tener un efecto dramático sobre la salud mental y que hasta ahora han permanecido ajenas a los profesionales.

 

Les deseamos lo mejor, y unas fiestas sanas y felices junto con los suyos

 

Quisiera despedirme en esta ocasión esperando que haya podido disfrutar de un merecido tiempo de descanso en compañía de sus seres queridos durante estas Navidades. Todos sentimos rabia y frustración por el estado actual de la situación derivada de la crisis asociada al dichoso virus. En el momento de escribir estas líneas, la variante ómicron parece estar cogiendo tracción, haciendo que muchos países vuelvan a confinar de forma generalizada a su población.

 

Si es usted una de las personas que no sabe cómo encontrar fuerzas para seguir adelante, no dude en pedir ayuda. Se lo pedimos de corazón.

 

Espero que haya disfrutado de este boletín de Catch.batches. Como siempre, estaré encantado de atender a sus sugerencias aquí o escribiendo un correo electrónico a ricardokleinklein@gmail.com. ¡Les deseo el mejor de los inicios de año!

 

[1]: Informe del Observatorio del Suicidio en España 2020, elaborado por la Fundación Española para la Prevención del Suicidio.

[2]: Estrategia en Salud Mental del Sistema Nacional de Salud 2009-2013.

[3]:  Encuesta Nacional de Salud de España de 2017.

[4]: ‘El empleo de las personas con discapacidad 2019’. Instituto Nacional de Estadística.

[5]: Mental health and related issues statistics, Eurostat (2020). Visitado por última vez el 20/12/2021.

[6]: Índice Headway 2023 de Salud Mental, elaborado por The European House-Ambrosetti y Angelini Pharma.

[7]: Facebook language predicts depression in medical records. J. C. Eichstaedt, R. J. Smith, R. M. Merchant, L. H. Ungar, P. Crutchley, D. Preoţiuc-Pietro, D. A. Asch, H. Andrew Schwartz. Proceedings of the National Academy of Sciences Oct 2018, 115 (44) 11203-11208; DOI: 10.1073/pnas.1802331115

 

 

Comparte este contenido

Leave a Comment

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

*
*

Back To Top