Em qualquer ano, a depressão afeta mais de 6% da população adulta nos Estados Unidos – cerca de 16 milhões de pessoas – mas menos da metade recebe o tratamento de que precisa. E se um algoritmo pudesse escanear as redes sociais e apontar para bandeiras vermelhas linguísticas da doença antes de um diagnóstico médico formal ter sido feito?
>
>
>
“O que as pessoas escrevem nas redes sociais e online capta um aspecto da vida que é muito difícil em medicina e pesquisa para acessar de outra forma. É uma dimensão relativamente inexplorada em comparação com os marcadores biofísicos da doença”, diz H. Andrew Schwartz, professor assistente do Departamento de Informática da Universidade Stony Brook e principal investigador do Projecto de Bem-Estar Mundial. “Condições como depressão, ansiedade e PTSD, por exemplo, você encontra mais sinais na forma como as pessoas se expressam digitalmente”
Publicado nos Anais da Academia Nacional de Ciências, a pesquisa de Schwartz mostra que isso agora é mais plausível do que nunca. Analisando dados de mídia social compartilhados por usuários consentidos ao longo dos meses que levaram a um diagnóstico de depressão, pesquisadores da Universidade Stony Brook e da Universidade da Pensilvânia descobriram que seu algoritmo poderia prever com precisão a depressão futura. Os indicadores da condição incluíam menções de hostilidade e solidão, palavras como “lágrimas” e “sentimentos” e o uso de mais pronomes em primeira pessoa como “eu” e “eu”.”
Durante seis anos, pesquisadores do World Well-Being Project (WWBP), baseado no Laboratório de Análise da Linguagem Humana de Stony Brook e no Centro de Psicologia Positiva da UPenn, têm estudado como as palavras que as pessoas usam refletem seus sentimentos internos e contentamento. Em 2014, Johannes Eichstaedt, cientista fundador da WWBP e pós-doutorando na Penn, começou a se perguntar se era possível para as mídias sociais prever resultados em saúde mental, particularmente para depressão.
“Os dados das mídias sociais contêm marcadores parecidos com o genoma. Com métodos surpreendentemente similares aos usados em genômica, podemos pentear os dados das mídias sociais para encontrar esses marcadores”, explica Eichstaedt. “A depressão parece ser algo bastante detectável desta forma; ela realmente muda o uso das mídias sociais pelas pessoas de uma forma que algo como doença de pele ou diabetes não muda”.”
Eichstaedt e Schwartz se uniram aos colegas Robert J. Smith, Raina Merchant, David Asch e Lyle Ungar do Penn Medicine Center for Digital Health para este estudo. Ao invés de fazer o que os estudos anteriores haviam feito – recrutar participantes que auto-relatam sua depressão – os pesquisadores identificaram dados de pessoas que consentiram em compartilhar status no Facebook e informações de registros médicos eletrônicos, depois os analisaram usando técnicas de aprendizado por máquina para distinguir aqueles com um diagnóstico formal de depressão.
No início, 1.200 pessoas consentiram em fornecer ambos os arquivos digitais. Destes, 114 pessoas tinham um diagnóstico de depressão em seus prontuários médicos. Os pesquisadores então combinaram cada pessoa com um diagnóstico de depressão com cinco que não agiram como controle, para uma amostra total de 683 pessoas (excluindo uma por insuficiência de palavras nas atualizações de status). A idéia era criar um cenário o mais realista possível para treinar e testar o algoritmo dos pesquisadores.
“Este é um problema realmente difícil”, diz Eichstaedt. “Se 683 pessoas presentes no hospital e 15% delas estão deprimidas, será que o nosso algoritmo seria capaz de prever quais delas? Se o algoritmo diz que ninguém estava deprimido, seria 85 por cento preciso”, diz Eichstaedt, Smith e colegas olharam para 524.292 atualizações do Facebook dos anos que levaram ao diagnóstico para cada indivíduo com depressão e para o mesmo período de tempo para o controle. Eles determinaram as palavras e frases mais frequentemente usadas, depois modelaram 200 tópicos para sussar o que eles chamaram de “marcadores de linguagem associados à depressão”. Finalmente, eles compararam de que maneira e com que freqüência os participantes deprimidos versus os participantes do controle usaram tais marcadores.
Eles aprenderam que esses marcadores compreendiam processos emocionais, cognitivos e interpessoais como hostilidade e solidão, tristeza e ruminação, e poderiam prever depressão futura já três meses antes da primeira documentação da doença em um prontuário médico.
“Há uma percepção de que usar as redes sociais não é bom para a saúde mental, mas pode vir a ser uma ferramenta importante para diagnosticar, monitorar e eventualmente tratar”, diz Schwartz. “Aqui, nós mostramos que ele pode ser usado com registros clínicos, um passo para melhorar a saúde mental com as mídias sociais”
Eichstaedt vê o potencial a longo prazo no uso desses dados como uma forma de triagem discreta. “A esperança é que um dia, esses sistemas de triagem possam ser integrados em sistemas de cuidados”, diz ele. “Esta ferramenta levanta bandeiras amarelas; eventualmente, a esperança é que você possa canalizar diretamente as pessoas que ela identifica em modalidades de tratamento escaláveis”.
Embora algumas limitações ao estudo, incluindo uma amostra urbana distinta, e limitações no próprio campo – nem todo diagnóstico de depressão em um prontuário médico atende ao padrão ouro que as entrevistas clínicas estruturadas proporcionam, por exemplo – os resultados oferecem uma nova forma potencial de descobrir e obter ajuda para aqueles que sofrem de depressão.