Investigadores del Technion y de la Universidad Hebrea de Jerusalén desarrollaron una tecnología innovadora para prevenir tendencias suicidas, aplicando elementos de psiquiatría y de «machine learning» al análisis de mensajes de Facebook
La investigación trabajó con una acercamiento multidisciplinario y se basó en el análisis de alrededor de 80.000 mensajes de adultos estadounidenses en Facebook, comparando sus patrones de uso del lenguaje con sus puntuaciones en una amplia gama de indicadores psicológicos.
El suicidio es una causa importante de muerte en Israel y a nivel global, con aproximadamente un millón de casos en todo el mundo al año, de los cuales alrededor de 500 ocurren en el país.
Los expertos israelíes destacaron que, aunque no es una causa principal de muerte entre la población general, es la causa número uno para los jóvenes menores de 24 años.
Uno de los principales problemas en este frente es que la ayuda social, psicológica y psiquiátrica son herramientas eficaces para prevenir los suicidios, pero solamente se aplican en los casos en que se diagnosticó el problema y la persona está recibiendo tratamiento.
Por ello es importante reconocer las tendencias suicidas en la población en general, señalan los expertos, según los cuales se trata de un desafío «extremadamente complejo», ya que la información médica relacionada con la salud mental está protegida por protocolos de confidencialidad y muchas personas en riesgo directamente no buscan ayuda.
En los últimos 50 años se dedicó una gran cantidad de investigación al desarrollo de modelos para la detección temprana de personas con riesgo real de suicidio.
Sin embargo, hasta ahora estos modelos se basaban en métodos estadísticos tradicionales y proporcionaban predicciones que eran «casi tan precisas como las predicciones a nivel de azar», indicaron desde las universidades israelíes.
Las herramientas desarrolladas en la investigación israelí, cuyos resultados fueron publicados en la revista especializada Scientific Reports, permiten la detección temprana de poblaciones en riesgo dentro de la población en general, «de modo que la detección no se limita a las personas que ya reciben tratamiento por problemas de salud mental», aseguraron.
«Ahora entendemos que la detección de tendencias suicidas no puede depender solo de expresiones explícitas de angustia, como cuando alguien dice ‘me quiero morir’, o de registros médicos oficiales, como datos fisiológicos de escáneres cerebrales, evaluaciones psiquiátricas y otros datos de archivo», dijo el profesor Roi Reichart, del Technion.
Tratar de predecir intentos de suicidio en base a datos demográficos, psicológicos y médicos «no ha sido particularmente exitoso a pesar de cinco décadas de intensa investigación -añadió Reichart-. Por lo tanto, nos dimos cuenta de que teníamos que abordar el desafío desde diferentes direcciones simultáneamente«.
A partir del estudio, «se hizo evidente que la detección temprana de tendencias suicidas requiere una investigación interdisciplinaria que incluya investigadores de diferentes campos, y así se formó este grupo multidisciplinario», afirmó por su lado el doctor Yaakov Ophir, de la Universidad Hebrea de Jerusalén.
Para la profesora Christa Asterhan, de la Universidad Hebrea, la investigación «tiene aplicaciones muy importantes para identificar personas en peligro y brindar ayuda a tiempo». Y el uso de técnicas computacionales avanzadas «abrió nuevas oportunidades de investigación en las ciencias sociales que hasta ahora no eran posibles», destacó.
Gracias a la aproximación multidisciplinaria, los investigadores descubrieron que las personas con tendencias suicidas reales rara vez usan palabras explícitamente alarmantes en sus publicaciones (como «muerte»).
Más a menudo, usan palabras descriptivas negativas («malo», «peor»), insultos, expresiones de angustia emocional («triste», «dolor») y descripciones de estados fisiológicos negativos («enfermo», «hospital»).
«El poder del algoritmo basado en el procesamiento del lenguaje natural radica en su capacidad para analizar enormes cantidades de pistas lingüísticas, algo que los humanos no podemos hacer«, resumió Refael Tikochinski, del Technion.
