Actualidad
Pabellón FCEx

Investigadores del ISISTAN aplicaron técnicas estadísticas y de inteligencia artificial para analizar el contenido de cientos de miles de tuits y respuestas sobre COVID-19.

30/03/2021 - 12:07

Científicos del Instituto Superior de Ingeniería de Software de Tandil (ISISTAN), desarrollaron un algoritmo que, a partir del análisis de decenas de miles de tuits generados en Argentina entre el 1 de marzo y el 31 de agosto de 2020, es capaz de anticipar con una eficacia del 80% la aparición en la población de picos de ansiedad, estrés, depresión u otros trastornos de salud mental relacionados con la pandemia.

“Las redes sociales se convirtieron en parte importante de la vida diaria de millones de usuarios y propician que más personas tiendan a publicar o revelar cómo se sienten”, explica la autora principal del proyecto, Antonela Tommasel, doctora en Ciencia de la Computación marplatense en el ISISTAN, una unidad ejecutora del Conicet que también depende de la Facultad de Ciencias Exactas de la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNICEN).

Tommasel agrega que los mensajes en Twitter pueden ser una especie de ventana abierta para monitorear la tendencia de las emociones y los trastornos de salud mental en una población, incluyendo la de la mayoría que no utilizan esa red social. “En el volumen tenemos resultados que podrían ser representativos”, dice. El análisis de los tuits permitiría desde ajustar campañas de comunicación de los gobiernos hasta implementar políticas públicas tendientes a prevenir o mitigar el impacto psicológico de las crisis.

La base de la investigación consistió en crear léxicos: conjuntos de palabras que pueden estar agrupadas en diversas categorías y que, en este caso, se asociaron a emociones y sentimientos, que luego se fueron a rastrear y contabilizar en tiempo real en el maremágnum de palabras de los posteos.

Para un primer análisis, sobre trastornos de la salud mental, Tommasel y sus colegas del ISISTAN (Andrés Díaz Pace, Juan Manuel Rodríguez y Daniela Godoy) revisaron la bibliografía y construyeron colecciones de 154 palabras relacionadas con “ansiedad”, tales como pánico, ataque, respiración, dolor o angustia; 173 asociadas con “estrés”, como intensidad, nerviosismo, tensión, trauma o distracción; y 223 vinculadas con “depresión”, como tristeza, aburrimiento, dolor, llorar, insomnio, impaciencia, abstinencia y fatiga.

Acto seguido, a partir de una base de 145 millones de tuits sobre COVID-19 generados en Argentina durante el periodo de análisis, los investigadores limpiaron los retuits, seleccionaron para el análisis decenas de miles de mensajes diarios y armaron un “mapa visual” para ir viendo la evolución e intensidad de aparición de esas categorías de palabras a lo largo del tiempo.

Lo que encontraron fue una tendencia de los trastornos (o, mejor dicho, de la proporción de palabras en tuits a partir de los cuales se inferían) que acompañaron tendencias de varias encuestas de salud mental. Y que, además, pudo relacionarse en algunos casos con episodios puntuales, como la suspensión de los vuelos o la flexibilización de algunas restricciones.

“El estrés se movió de forma bastante parecida con la ansiedad y ambos crecieron a partir de marzo, con picos en los días posteriores a la confirmación de los primeros casos y antes de la primera suspensión de actividades. La depresión empezó a superar a la ansiedad desde principios de abril, con la primera extensión de la cuarentena, y tomó más fuerza en mayo”, señala Tommasel.

Lo más curioso, o preocupante, es que todas las categorías o trastornos crecieron tanto a partir de finales de junio (cuando ya había 100 días de cuarentena) que los investigadores dicen que fue imposible seguir haciendo un análisis comparativo de las fluctuaciones.

Los investigadores de Tandil hicieron un análisis similar para reconstruir la dinámica de las emociones positivas y negativas, así como para identificar distintas fases de la respuesta a una crisis. Pero también se propusieron explorar si era posible anticipar, a partir de los datos recogidos, el comportamiento futuro en los distintos trastornos de salud mental.

Tommasel explica que los mejores resultados los obtuvieron con aprendizaje profundo, una modalidad de inteligencia artificial: después de un entrenamiento de siete días “leyendo” tuits, redes neuronales tuvieron una eficacia del 80% para predecir picos de ansiedad, estrés o depresión con una semana de anticipación. El trabajo fue presentado en el servidor de preimpresión ArXiv y enviado a publicación a la revista Information Discovery and Delivery.

En líneas generales, los autores creen que, más allá de los “microclimas” que pueden existir en Twitter, el trabajo reafirma que las redes sociales reflejan ciertos eventos y estados que se suceden en la realidad social. Y no solo eso: también pueden ayudar a pronosticarlos o proyectar tendencias futuras.

En una próxima etapa, los investigadores van a tratar de discriminar los mensajes según el perfil demográfico. “Hubo hallazgos muy interesantes, pero todavía nos quedan muchas preguntas”, expresa Tommasel.

Fuente: Matías Loewy, Infobae