Un nuevo algoritmo puede detectar depresión en niños con solo escuchar su voz

Foto: Anthony Kelly.

Un algoritmo que aprende por sí mismo es ahora capaz de detectar signos de ansiedad y depresión en los patrones de habla de los niños y las niñas a través de una manera fácil y sencilla de diagnosticar condiciones que son difíciles de detectar y que a menudo se pasan por alto en la gente joven, esto de acuerdo con una nueva investigación publicada en la Revista de Biomédica y de Salud Informática.

Alrededor de uno en cinco niños sufren de ansiedad y depresión. Pero debido a que los niños menres de ocho años no pueden articular de manera adecuada su sufrimiento emocional, los adultos necesitan ser capaces de inferir su estado mental y reconocer así un problema de salud mental. Las listas de espera para hacer una cita con psicólogos, problemas con las aseguradoras y la falta del reconocimiento de síntomas por los padres, son algunos de los factores que contribuyen a que los niños y las niñas no tengan muchas veces un tratamiento adecuado.

“Necesitamos pruebas rápidas y objetivas para reconocer que los niños están sufriendo”, afirma Ellen McGinnis, una psicóloga clínica de la Universidad de Vermont quien además señala que “la mayoría de los niños que están por debajo de los ocho años están infradiagnosticados”.

Los diagnósticos tempranos son críticos porque los niños responden bien al tratamiento mientras que sus cerebros se siguen desarrollando, pero si se dejan de tratar pueden tener mayor riesgo de abusar de sustancias nocivas y de tendencia al suicido en la edad adulta. El diagnóstico estándar involucra una entrevista semi-estructurada de unos 60-90 minutos con un clínico experimentado. McGinnis, junto con el ingeniero en biomedicina Ryan McGinnis, ha estado buscando las formas para utilizar la inteligencia artificial y el aprendizaje de máquinas para hacer diagnósticos más rápidos y más confiables.

Los investigadores utilizaron un algoritmo de aprendizaje para analizar características estadísticas del audio grabado de la historia de cada niño y luego se le relacionaba con el diagnóstico que se le había hecho a cada uno de ellos y encontraron que el algoritmo era altamente exitoso diagnosticando a los niños y que en la fase intermedia de las grabaciones fue la más predictiva para dar un diagnóstico.

“El algoritmo fue capaz de identificar niños con el diagnóstico de desorden internalizante con un 80% de exactitud y en la mayoría de los casos esto fue comprado bastante bien con la exactitud que los padres habían obtenido en su lista de chequeo”, dijo Ryan McGinnis. De hecho resultó que la máquina dio los resultado más rápido ya que el algoritmo requiere de tan solo algunos segundos de procesamiento una vez que la tarea está completa para poder dar un diagnóstico.

El algoritmo identificó ocho diferentes características en las grabaciones en donde hablaban los niños, pero tres en particular destacaron como altamente indicativas de que ahí había desorden internalizante: voces con tono bajo, con habla repetitiva y con contenido similar. Ellen McGinnis dice que estas características corresponden de forma correcta con lo que debes esperar de alguien que sufre de depresión.

Ellen McGinnis afirma también que el siguiente paso será desarrollar el algoritmo como una herramienta universal para el uso clínico, quizá mediante una aplicación para teléfonos inteligentes que podría grabar y analizar resultados inmediatamente.

Referencia: https://techxplore.com/

A %d blogueros les gusta esto:
search previous next tag category expand menu location phone mail time cart zoom edit close