Pesquisadores da Universidade de São Paulo (USP) estão tentando criar modelos de predição de ansiedade e depressão, usando inteligência artificial e, uma das redes sociais mais usadas entre os brasileiros, o Twitter.

Ainda em desenvolvimento, a segunda etapa da pesquisa desenvolvida pelos cientistas mostraram resultados preliminares, como a possibilidade de detectar um usuário com maior risco de vir a desenvolver depressão apenas com base na rede social de amigos e seguidores, sem levar em consideração as próprias postagens do indivíduo.

De acordo com as informações do Tilt UOL, o conjunto de dados, chamado de SetembroBR, foi o primeiro passo para o trabalho dos pesquisadores e está disponível no artigo publicado na revista Language Resources and Evaluation.

I.A e Twitter

O estudo em desenvolvimento tem como base as informações relacionadas a texto e uma rede selecionada de 3,9 mil usuários do Twitter, que relatam um diagnóstico ou tratamento de transtorno mental.

A coletânea de dados leva em consideração os tweets públicos escritos pelos indivíduos selecionados, sem contar com retuítes, ou seja, totaliza cerca de 47 milhões de publicações.

Além disso, a pesquisa também se atentou aos textos da rede de amigos e de seguidores, uma vez que há uma tendência de que a pessoa com algum tipo de transtorno mental participe de fórum de discussão ou siga alguma celebridade que assumiu estar com depressão.

Vale ressaltar que pesquisas anteriores revelam que transtornos mentais muitas vezes são expressos na linguagem dos usuários que apresentam essas condições, o que direciona o trabalho envolvendo Processamento de Linguagem Natural (NLP). 

Modelos em teste

Ao realizar o estudo, os pesquisadores submeteram o corpus textual a procedimentos de pré-processamento e limpeza de dados para retirar hashtags, URLs, caracteres fora do padrão e emojis, mantendo a escrita original.

Métodos de aprendizado profundo, o famoso deep learning, foi usado para criar quatro classificadores de texto e embeddings de palavras ou dependentes de contexto utilizando modelos baseados em algoritmo de aprendizado profundo do tipo BERT.

Os modelos fazem parte de uma rede neural que aprende o contexto e o significado com o monitoramento de dados sequenciais. A pesquisa detectou que os modelos tiveram melhor desempenho em tarefas de previsão de depressão e transtorno de ansiedade.

"Os indicativos de depressão que aparecem no consultório não são necessariamente os mesmos que estão na rede social. Por exemplo: percebemos, de maneira bem forte, o uso na rede de pronomes na 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.", afirmou o professor da Escola de Artes, Ciências e Humanidades (EACH-USP) e autor correspondente do artigo, Ivandre Paraboni.

O docente destacou que os textos coletados são totalmente anônimos, sem qualquer divulgação e exposição dos usuários.

Atualmente, os pesquisadores estão realizando a ampliação na base de dados e já estão aprimorando a técnica computacional e modelos iniciais para que, no futuro, seja possível aplicar na prática. 

*Com informações do Tilt UOL.