DPA | Madrid
| La Vanguardia-MX |
21/05/2019
Los usuarios de Twitter con depresión y ansiedad son más propensos a publicar fotos con valores
estéticos más bajos y colores menos vivos, particularmente imágenes en escala
de grises, lo que permitiría identificar a quienes padecen depresión o
ansiedad, según un nuevo estudio dirigido por científicos norteamericanos.
Investigadores de Penn Medicine, de la Universidad de
Pensilvania, en Estados Unidos, encontraron también que los usuarios tendían a
suprimir las emociones positivas en lugar de mostrar más emociones negativas,
como mantener una cara seria en lugar de fruncir el ceño, en sus fotos de
perfil. El estudio buscó utilizar la visión artificial y la inteligencia
artificial para determinar qué cualidades de las fotos publicadas y
configuradas como imágenes de perfil en Twitter podrían asociarse con la
depresión y la ansiedad, con el objetivo de utilizar la plataforma como un
método de detección de ambas.
En 2018, los
investigadores de Penn Medicine encontraron que la depresión podía predecirse
hasta tres meses antes de un diagnóstico mediante el uso de inteligencia
artificial para identificar palabras clave que marcaban a ciertos usuarios. A
medida que las redes sociales se centran cada vez más en la imagen (más de la
mitad de todos los tuits, más de tres mil, por segundo, ahora contienen una
imagen), el valor de obtener pistas sobre las condiciones de salud a través del
contenido de la imagen será cada vez más valioso para la medicina.
"Si bien la asociación entre la depresión y los
patrones de uso del lenguaje está bien estudiada, los aspectos visuales de la
depresión no lo fueron tanto, señala el autor principal del estudio, Sharath
Guntuku, investigador del Centro para la Salud Digital de Penn Medicine. Es
difícil transformar los píxeles que forman las imágenes en características
interpretables, pero con los avances en los algoritmos de visión de
computadora, ahora estamos intentando descubrir otra dimensión de la condición
tal como se manifiesta en línea".
Los investigadores
utilizaron algoritmos para extraer características como colores, expresiones
faciales y diferentes medidas estéticas (como la profundidad de campo, la
simetría y la iluminación) de imágenes publicadas por más de cuatro mil
usuarios de Twitter que aceptaron ser parte del estudio. Para clasificar
rápidamente sus puntuaciones de depresión y ansiedad, analizaron los últimos
tres mil 200 tuits de cada persona. Mientras tanto, 887 usuarios también
completaron una encuesta tradicional para obtener puntajes de depresión y
ansiedad. Luego, las características de la imagen se correlacionaron con las
puntuaciones de depresión y ansiedad de los usuarios. De esto, surgieron varias
relaciones significativas.
Además de encontrar una asociación entre la depresión
y la ansiedad, los que publicaron fotos menos vívidas, los investigadores
también descubrieron que las imágenes de perfil de los usuarios ansiosos están
marcadas por la escala de grises y la baja cohesión estética, pero menos que
las de los usuarios deprimidos. También había algo que interpretar en lo que no
estaba incluido en las fotos. Así, los usuarios deprimidos a menudo publican
fotos de sus propias caras sin familiares, amigos u otras personas que aparecen
en ellos. Además, las publicaciones rara vez incluían las actividades
recreativas o los intereses, que con mayor frecuencia aparecían en fotos de
usuarios no deprimidos.
La depresión a menudo se acompaña de afecto plano, que
se caracteriza por una expresión reducida y una muestra de emoción, explica
Guntuku. La condición también tiene un costo en la atracción hacia pasatiempos
o juegos, actividades en general, que normalmente se disfrutan".
Así, trabajan en el
desarrollo de una versión más automatizada. "Esta herramienta está lejos de ser perfecta para ser
utilizada para diagnosticar. Sin embargo, una herramienta de aprendizaje
automático puede ser un método de bajo costo para los clínicos, con el permiso
de sus pacientes, para monitorear sus cuentas y detectar niveles elevados de
depresión o ansiedad", precisa Guntuku.
El autor principal del estudio, Lyle Ungar, profesor
de Genómica y Biología Computacional y Psicología, opina que existen grandes
posibilidades para esta herramienta más allá de Twitter. "Algo como esto podría aplicarse
también a Instagram y a los mensajes de texto. Esperamos que esto pueda dar una
idea de las diferentes facetas de la depresión. Y también estamos observando
una variedad de otras afecciones, desde la soledad hasta el TDAH",
avanza.
