Foto: Reprodução
Pesquisadores da Universidade de Alberta treinaram um modelo de aprendizado de máquina para identificar pessoas com transtorno de estresse pós-traumático (TEPT) com 80% de precisão, analisando dados de texto. O modelo poderá um dia servir como uma ferramenta de triagem acessível e barata para apoiar os profissionais de saúde na detecção e diagnóstico de TEPT ou outros distúrbios de saúde mental por meio de plataformas de telessaúde.
A análise de sentimentos envolve pegar um grande corpo de dados, como o conteúdo de uma série de tweets, e categorizá-los – por exemplo, ver quantos estão expressando pensamentos positivos e quantos estão expressando pensamentos negativos.
O texto no conjunto de dados da USC foi coletado por meio de 250 entrevistas semiestruturadas conduzidas por uma personagem artificial, Ellie, em videoconferências com 188 pessoas sem TEPT e 87 com TEPT. Os pesquisadores conseguiram identificar indivíduos com TEPT por meio de escores que indicavam que sua fala apresentava principalmente respostas neutras ou negativas.
O processo é, sem dúvida, complexo. Por exemplo, mesmo uma frase simples como “Eu não odiei isso” pode ser um desafio para categorizar, explicaram os autores da pesquisa. No entanto, o fato de terem conseguido coletar informações sobre quais indivíduos tinham TEPT apenas a partir dos dados de texto abre a porta para a possibilidade de aplicar modelos semelhantes a outros conjuntos de dados com outros transtornos de saúde mental em mente.
As próximas etapas envolvem a integração de outros tipos de dados, como fala ou movimento, o que pode ajudar a enriquecer o modelo. Além disso, alguns distúrbios neurológicos, como Alzheimer, bem como alguns distúrbios de saúde mental, como esquizofrenia, têm um forte componente de linguagem, tornando-os outra área potencial para análise.
Fonte: Boa Saúde
Foto: Reprodução
Jornalismo Portal Panorama
panorama.not.br
