Inteligencia Artificial (IA) puede detectar señales de comportamiento de ansiedad con una precisión del 90%. Sensores de movimiento pueden detectar síntomas de ansiedad como comerse las uñas, la presión sobre los nudillos o el repiqueteo de las manos.
Especial de Laszlo Beke
Existen oportunidades para innovar otras situaciones de salud mental y una de ellas es el análisis de la voz por Inteligencia Artificial. La pruebas iniciales son muy promisorias, ahora quedan por hacer investigaciones más completas para resolver las dudas sobre los potenciales sesgos de las muestras y de los programadores.
Los proveedores de cuidado de la salud disponen de muchas herramientas para determinar la condición física de un paciente, ahora se está en la búsqueda de biomarcadores confiables – indicadores objetivos del estado médico observado en forma externa al paciente – para analizar la salud mental. Hay que pensar en la posibilidad de hacer que las pruebas sean tan simples y rápidas, como es tomar la temperatura o la presión sanguínea, y que puedan con confianza identificar un trastorno de ansiedad o predecir una inminente recaída depresiva.
La importancia del habla como indicador
Los psicólogos desde hace mucho tiempo saben que ciertas situaciones de salud mental son detectables no solo escuchando lo que la persona dice, sino por la forma como lo hace. En pacientes que están sufriendo de depresión, su habla es generalmente más monótona, más llana y más suave. Tienen también un rango de tonos más reducidos, volumen más bajo y toman mayor cantidad de pausas y de paradas en el habla. Por otro lado, los pacientes con ansiedad sienten más tensión en sus cuerpos, lo cual puede hacer cambiar la forma en que suena su voz. Tienden a hablar más rápido y tienen más dificultades para respirar.
Las herramientas de tecnológicas
Hoy esas características vocales están siendo utilizadas por los investigadores de Aprendizaje de Máquina para predecir la depresión y la ansiedad, al igual que otras enfermedades como la esquizofrenia y el estrés postraumático. El uso de los algoritmos de Aprendizaje Profundo puede descubrir patrones y características adicionales, en las grabaciones cortas de la voz, que pueden no ser evidentes para expertos entrenados. La tecnología que está siendo utilizada puede extraer características que el oído humano no es capaz de captar y que pueden resultar relevantes.
También hay mucho entusiasmo y expectativa en la búsqueda de otros indicadores biológicos o más objetivos en el diagnóstico siquiátrico que van más allá de las formas subjetivas de evaluación que se usan tradicionalmente como las entrevistas evaluadas y valoradas por un médico o las mediciones auto-reportadas. Otras pistas que los investigadores están siguiendo incluyen cambios en los niveles de actividad, patrones de sueño y data de redes sociales.
Si bien es cierto que tecnología IA no puede resolver la necesidad de aumentar el número de proveedores calificados de salud mental, si puede liberar tiempo de estos. Entre otros, proveyendo un diagnóstico correcto, asistiendo a los terapeutas en la identificación de pacientes que puedan ser reacios en la búsqueda de ayuda y en la facilitación del auto-monitoreo entre visitas. La realidad es que muchas cosas pueden ocurrir entre las visitas y la tecnología ofrece el potencial de mejorar el monitoreo y evaluación en un forma más contínua.
Algunas App
Los investigadores de Inteligencia Artificial creen que el sonido de la voz puede ser la clave para entender el estado mental – y que IA está perfectamente capacitada para detectar esos cambios, los cuales son difíciles y casi imposibles de percibir de otra forma. El resultado es una serie de Apps y de herramientas en Internet diseñadas para hacer seguimiento al estado mental y programas que proveen evaluaciones de la salud mental en tiempo real a los proveedores de Telesalud y a los Centros de Atención:
– El App Mental Fitness detecta el nivel de vivacidad o animación en la voz. Si lo encuentra muy bajo, puede recomendar mejorar el estado mental haciendo una caminata o despejando el espacio que rodea a la persona.
– El App The StressWaves identifica niveles de estrés.
– Kitsugi desarrolla tecnología para proveedores de Telesalud y de Centros de Atención que permite identificar si un paciente requiere atención adicional. Kitsugi usa un programa de análisis de voz que puede recomendarle a una enfermera que se tome un minuto adicional con paciente, atormentado con un infante con cólicos, para preguntarle sobre su salud.
El manejo de sesgos y otros aspectos
Estas tecnologías de Aprendizaje de Máquina tienen el tema de sesgo que puede originarse con la composición de la muestra o con las posiciones, incluso inconscientes, que puede imprimir el programador al producto. Por ello es importante, asegurar que funcionará para todos los pacientes, independiente de su edad, sexo, etnicidad, nacionalidad u otros criterios demográficos. Se requiere tener un conjunto de datos amplio, robusto y diverso.
Se piensa que se puede modelar el estado de la salud mental o aproximar ese estado en forma general. Definitivamente a las personas les atrae la capacidad auto-monitorear su estatus, particularmente cuando se trata de enfermedades o condiciones crónicas. Para que el uso y la aceptación de las tecnologías de análisis de voz se generalice es importante la realización de investigaciones rigurosas para garantizar su precisión.
Se hace referencia a Can A.I.-Driven Voice Analysis Help Identify Mental Disorders?. También aparece en mi Portal https://bit.ly/3OqTpw5 . La imagen es cortesía de pxhere.