_Tecnologia

Depressão no Twitter: USP desenvolve IA para diagnosticar transtornos mentais

Pesquisa se concentra em criar modelos para prever usuários do Twitter com ansiedade e depressão antes do diagnósticos clínico

Depressão no Twitter: USP desenvolve IA para identificar transtornos mentais

Imagem: Sergey Zolkin/Unsplash/Reprodução

O que você escreve e quem você segue no Twitter podem indicar possíveis transtornos psiquiátricos, como ansiedade e depressão. Por isso, pesquisadores da USP estão construindo uma base de dados a partir de IA (inteligência artificial) para identificar essas doenças antes do diagnóstico clínico.

Os estudos já estão na segunda etapa e se concentram em criar modelos de predição. Ou seja, uma forma de detectar se um usuário apresenta maior risco de desenvolver depressão com base no que ele escreve, nas pessoas que acompanha e nos seus seguidores. 

A base de dados – que ganhou o nome de SetembroBR, em homenagem ao mês de prevenção ao suicídio – engloba informações do texto e da rede de conexões de 3,9 mil usuários do Twitter. Antes da pesquisa, todos relataram ter algum diagnóstico ou estar em tratamento de transtorno mental. 

Entre os dados estão tuítes escritos por esses usuários, sem contar os retuítes, o que totaliza 47 milhões de pequenos textos. Os pesquisadores também coletaram textos da rede de amigos e das pessoas que seguem esses perfis. 

Isso porque é comum que uma pessoa com doença mental acompanhe contas que falem sobre o tema, como fóruns de discussão ou celebridades que assumiram publicamente estar com depressão, por exemplo. “Essas pessoas se atraem porque têm interesses comuns”, explicou Ivandre Paraboni, o principal autor do estudo, ao Jornal da USP.  

Pesquisas anteriores mostram que é comum que os transtornos mentais apareçam na linguagem usada pelos indivíduos nessas condições. Porém, até agora, a maior parte dos estudos focava em usuários online de países de língua inglesa. Essa é a primeira vez que um estudo do tipo é realizado com falantes do português brasileiro. 

Entenda a pesquisa 

Para construir a base de dados, os pesquisadores fizeram uma “limpeza” nos tuítes. Isso significa que eles removeram hashtags, URLs, emojis e caracteres fora do padrão, mas mantiveram a escrita original. 

A partir disso, o grupo usou métodos de deep learning para criar quatro classificadores de texto e embeddings de palavras individualizadas ou dependentes de contexto, a partir de modelos baseados em transformers do tipo Bert (um algoritmo de aprendizado profundo). 

Esses modelos correspondem a uma rede neural que aprende o contexto e o significado a partir do monitoramento dos dados sequenciais, como a “previsão” de palavras em uma frase a partir de uma sequência lógica. 

Como os modelos analisam sequências de palavras ou frases inteiras, a equipe identificou que indivíduos com depressão tendem a falar no Twitter de assuntos relacionados a eles mesmos com expressões e verbos na primeira pessoa. Também é comum que tratem de temas como morte, crise e psicólogo.

Consultório x redes sociais

“Os indicativos de depressão que aparecem no consultório não são necessariamente os mesmos que estão no Twitter”, comentou Paraboni. Segundo ele, os usuários com depressão usam pronomes em primeira pessoa, como “eu” e “mim”, o que na psicologia é um indicativo clássico de depressão. 

“Mas também constatamos uma incidência alta entre os usuários depressivos da utilização do símbolo de coraçãozinho, o emoji da afetividade, que talvez ainda não esteja caracterizado na psicologia”, completou o pesquisador. 

Todos os tuítes foram anonimizados – ou seja, não é possível identificar o autor por trás das postagens. O próximo passo agora é ampliar a base de dados e refinar a técnica computacional para, no futuro, tentar aplicar a ferramenta na prática. 

O recurso poderia ajudar a identificar pessoas com esses transtornos antes de uma piora no quadro. Um estudo recente do Ministério da Saúde com 784 mil participantes mostra que 11,3% dos brasileiros já receberam diagnóstico de depressão. A maior parte são mulheres. 

Sair da versão mobile