En un año cualquiera, la depresión afecta a más del seis por ciento de la población adulta de Estados Unidos -unos 16 millones de personas-, pero menos de la mitad recibe el tratamiento que necesita. ¿Qué pasaría si un algoritmo pudiera escanear las redes sociales y señalar las señales lingüísticas de la enfermedad antes de que se hiciera un diagnóstico médico formal?
«Lo que la gente escribe en las redes sociales y en Internet capta un aspecto de la vida al que es muy difícil acceder de otro modo en la medicina y la investigación. Es una dimensión que está relativamente sin explotar en comparación con los marcadores biofísicos de las enfermedades», afirma H. Andrew Schwartz, profesor adjunto del Departamento de Informática de la Universidad de Stony Brook e investigador principal del World Well-Being Project. «En afecciones como la depresión, la ansiedad y el trastorno de estrés postraumático, por ejemplo, se encuentran más señales en la forma en que las personas se expresan digitalmente».
Publicada en Proceedings of the National Academy of Sciences, la investigación de Schwartz muestra que esto es ahora más plausible que nunca. Analizando los datos de las redes sociales compartidos por usuarios que dieron su consentimiento a lo largo de los meses previos al diagnóstico de depresión, los investigadores de la Universidad de Stony Brook y la Universidad de Pensilvania descubrieron que su algoritmo podía predecir con exactitud la depresión futura. Los indicadores de la enfermedad incluían menciones de hostilidad y soledad, palabras como «lágrimas» y «sentimientos», y el uso de más pronombres en primera persona como «yo» y «me».
Durante seis años, los investigadores del Proyecto de Bienestar Mundial (WWBP), con sede en el Laboratorio de Análisis del Lenguaje Humano de Stony Brook y el Centro de Psicología Positiva de UPenn, han estudiado cómo las palabras que utiliza la gente reflejan sus sentimientos internos y su satisfacción. En 2014, Johannes Eichstaedt, investigador científico fundador del WWBP y becario postdoctoral en Penn, comenzó a preguntarse si era posible que las redes sociales predijeran los resultados de la salud mental, en particular de la depresión.
«Los datos de las redes sociales contienen marcadores similares al genoma. Con métodos sorprendentemente similares a los utilizados en genómica, podemos peinar los datos de las redes sociales para encontrar estos marcadores», explica Eichstaedt. «La depresión parece ser algo bastante detectable de esta manera; realmente cambia el uso que la gente hace de las redes sociales de una manera que no lo hace algo como las enfermedades de la piel o la diabetes».»
Eichstaedt y Schwartz se asociaron con sus colegas Robert J. Smith, Raina Merchant, David Asch y Lyle Ungar del Centro de Salud Digital de Penn Medicine para este estudio. En lugar de hacer lo que habían hecho los estudios anteriores -reclutar a los participantes que informan por sí mismos de su depresión-, los investigadores identificaron los datos de las personas que consintieron en compartir los estados de Facebook y la información de los registros médicos electrónicos, y luego los analizaron utilizando técnicas de aprendizaje automático para distinguir a aquellos con un diagnóstico formal de depresión.
Cerca de 1.200 personas consintieron en proporcionar ambos archivos digitales. De ellas, 114 tenían un diagnóstico de depresión en sus registros médicos. A continuación, los investigadores emparejaron a cada persona con un diagnóstico de depresión con cinco que no lo tenían, para actuar como control, para una muestra total de 683 personas (excluyendo a una por falta de palabras en las actualizaciones de estado). La idea era crear un escenario lo más realista posible para entrenar y probar el algoritmo de los investigadores.
«Este es un problema realmente difícil», dice Eichstaedt. «Si 683 personas se presentan en el hospital y el 15 por ciento de ellas están deprimidas, ¿podría nuestro algoritmo predecir cuáles son? Si el algoritmo dice que nadie estaba deprimido, tendría una precisión del 85 por ciento».
Para construir el algoritmo, Eichstaedt, Smith y sus colegas examinaron 524.292 actualizaciones de Facebook de los años previos al diagnóstico de cada individuo con depresión y del mismo período de tiempo para el control. Determinaron las palabras y frases más usadas, y luego modelaron 200 temas para averiguar lo que llamaron «marcadores lingüísticos asociados a la depresión». Por último, compararon de qué manera y con qué frecuencia los participantes deprimidos frente a los de control utilizaban dichas frases.
Aprendieron que estos marcadores comprendían procesos emocionales, cognitivos e interpersonales como la hostilidad y la soledad, la tristeza y la rumiación, y que podían predecir una futura depresión ya tres meses antes de la primera documentación de la enfermedad en un registro médico.
«Existe la percepción de que el uso de las redes sociales no es bueno para la salud mental, pero puede resultar ser una herramienta importante para el diagnóstico, el seguimiento y, finalmente, el tratamiento», afirma Schwartz. «Aquí hemos demostrado que se puede utilizar con los registros clínicos, un paso hacia la mejora de la salud mental con los medios sociales».
Eichstaedt ve un potencial a largo plazo en el uso de estos datos como una forma de detección discreta. «La esperanza es que un día, estos sistemas de detección puedan integrarse en los sistemas de atención», dice. «A pesar de algunas limitaciones del estudio, incluida una muestra urbana distintiva, y de las limitaciones en el propio campo -no todos los diagnósticos de depresión en un registro médico cumplen con el estándar de oro que proporcionan las entrevistas clínicas estructuradas, por ejemplo-, los hallazgos ofrecen una nueva forma potencial de descubrir y obtener ayuda para aquellos que sufren de depresión.