Investigadores de la Escuela de Medicina de la Universidad de Washington (UW), probaron un modelo de Inteligencia Artificial (IA), capaz de identificar señales de alerta en el lenguaje de mensajes de texto de pacientes psiquiátricos o con enfermedades mentales graves.
Investigadores de la UW, entrenaron y probaron con éxito un algoritmo de IA para evaluar el lenguaje utilizado en mensajes de texto por pacientes psiquiátricos. Los resultados del estudio fueron publicados en la revista científica Psychiatric Services. Los mensajes de texto se han convertido en una parte clave de la atención y evaluación de la salud mental, específicamente en intervenciones psiquiátricas remotas. Sin embargo, que cuenta con limitaciones concretas como carecer de puntos de referencia emocionales que los terapeutas pueden identificar en atenciones tradicionales frente a frente.
De esta forma los investigadores utilizaron el procesamiento de lenguaje natural (PLN) para identificar mensajes de texto que reflejaran “distorsiones cognitivas” que podrían pasar desapercibidas por médicos poco capacitados o con exceso de trabajo.
Justin Tauscher, autor principal del artículo y profesor en la UW, explicó que los psiquiatras identifican solamente señales visuales, señales auditivas, por lo que con el apoyo de la tecnología pueden desarrollar herramientas adicionales para identificar otro tipo de señales, como el lenguaje empleado en mensajes de texto. “La esperanza aquí es que la tecnología pueda proporcionar una herramienta adicional para que los médicos amplíen la información en la que se apoyan para tomar decisiones clínicas”, comentó.
En este sentido, el objetivo del estudio fue probar si los métodos de PLN pueden detectar y clasificar las distorsiones cognitivas en los mensajes de texto en los mensajes de texto entre médicos y pacientes con enfermedades mentales graves con la misma eficacia que los evaluadores humanos capacitados clínicamente. Para ello recolectaron más de 7 mil 300 mensajes de 39 pacientes en un ensayo controlado aleatorio de una intervención de 12 semanas de intervención por mensajes de texto.
Los mensajes fueron etiquetados en para distorsiones cognitivas comunes como: filtrado mental, conclusiones precipitadas, catastrofismo, declaraciones de “debería” y generalización excesiva. Posteriormente un modelo sintonizado logró un rendimiento comparable al de los evaluadores clínicos en la clasificación de textos con cualquier distorsión cognitiva.
Los resultados mostraron que el PLN puede utilizarse para la detección y clasificación efectiva de distorsiones cognitivas en comunicación vía mensaje de texto y que además tienen el potencial de informar herramientas automatizados con potencial de escalabilidad en el apoyo clínico a pacientes psiquiátricos o con enfermedades mentales graves.
“Ser capaz de tener sistemas que puedan ayudar a respaldar la toma de decisiones clínicas creo que es muy relevante y potencialmente impactante para aquellos en el campo que a veces no tienen acceso a capacitación, a veces no tienen acceso a supervisión o a veces simplemente están cansados, con exceso de trabajo y tienen dificultades para mantenerse presentes en todas las interacciones que tienen”, explicó Tauscher.
UNIVERSITY OF WASHINGTON
https://newsroom.uw.edu/news/ai-equal-humans-text-message-mental-health-trial
PSYCHIATRY ONLINE
https://ps.psychiatryonline.org/doi/10.1176/appi.ps.202100692
HEALTH IT ANALYTICS
