- Iniciar Sesión
- Registro
El académico del Doctorado en Inteligencia Artificial, Dr. Ricardo Flores Huenchullaca, Investiga un método innovador orientado a optimizar la detección automática de la depresión, mediante el uso de algoritmos de inteligencia artificial.
El estudio llamado «A Self-Supervised A Auxiliary Learning Approach for Effective Depression Screening» (Un enfoque de aprendizaje auxiliar supervisado para la detección efectiva de la depresión), tiene por objetivo indagar un sistema de aprendizaje multitarea (MTL) para mejorar la captación automática de depresión. De los cuales, en primera instancia, es clasificar la depresión, y luego como tarea auxiliar, reconstruir los valores ocultos (mascarados) en secuencias temporales de datos faciales.
Así, el Dr. Ricardo Flores, explica que «el modelo analiza características faciales, como el movimiento de los ojos, extraídos de entrevistas clínicas grabadas para identificar patrones asociados con el trastorno depresivo mayor».
«Esto, busca superar tres obstáculos principales en la detección de salud mental mediante IA: Escasez de datos en salud, complejidad de las entrevistas y privacidad», añadió el académico del Doctorado, adscrito a la Universidad de Concepción.
Sobre esto, el Doctor en Data Science del Worcester Polytechnic Institute (WPI) Massachusetts, Estados Unidos, indica que en relación con la escasez de datos en salud se debe a que suelen ser pequeños, lo que dificulta que los modelos de aprendizaje profundo se generalicen correctamente.
Asimismo, la complejidad de las entrevistas se deben por los métodos de diagnóstico tradicionales (entrevistas clínicas), que consumen tiempo y recursos, limitando su accesibilidad. Por esto, el Dr. Flores, también considera que la privacidad es un obstáculo para la detección en salud mental, esto porque, el uso de videos en bruto en pacientes plantea preocupaciones para la privacidad del paciente. Es así que, «en esta investigación se utiliza características derivadas, como vectores de la mirada o unidades de acción facial, para proteger la identidad del paciente».
Entre los resultados que se esperan de este trabajo académico, es mejorar el desempeño clínico, ya que los resultados previos muestran una precisión balanceada de hasta .94 en preguntas especificas, lo que indica una alta eficacia para herramientas de aprendizaje automático.
Así también, se espera una reducción en la carga de pacientes para los trabajadores de la salud, dado que al identificar qué preguntas son más eficaces para detectar la depresión, de podrán realizar entrevistas en menos tiempo, pero sin perder efectividad. Del mismo, se pretende mejorar la escalabilidad y detección temprana, así, estas herramientas pueden facilitar intervenciones y aliviar el trabajo de los profesionales de la salud mental, al proporcionar una alternativa más escaladle y accesible.
La IA para enfrentar la depresión
Este trabajo, el cual se desarrolla de forma colaborativa entre la Universidad de Concepción y Worcester Polytechnic Institute (EE. UU.), pretende generar un impacto en la implementación de la inteligencia artificial, además, en la salud mental de la región del Biobío.
Esto, mediante el desarrollo de modelo robustos para datos escasos de los centros de salud regional, ya que este avance en técnicas de aprendizaje multitarea y auto – supervisión, permite crear soluciones tecnológicas efectivas, «incluso cuando no se dispone de bases de datos masivas, una situación común en contextos clínicos regionales», menciona el académico.
Por otro lado, este trabajo posiciona a los académicos del Biobío en la vanguardia del uso de la IA, integrando métodos avanzados de inteligencia artificial para resolver problemas sociales críticos, como es la depresión.
