agosto 2, 2019

¿PODEMOS DETECTAR LA DEPRESIÓN A TRAVÉS DE LA VOZ?

España es el cuarto país de Europa con más casos de depresión. Alrededor de 2,5 millones de españoles la sufren y, según la Organización Mundial de la Salud, la prevalencia de esta enfermedad está aumentando en todo el mundo. Los casos que engrosan estas cifras son aquellos diagnosticados, claro, pero hay muchos más que siguen ocultos. Sobre todo, aquellos que están en una fase inicial o que presentan síntomas que los pacientes no identifican como signos de alarma. Pero la inteligencia artificial puede ayudar en estos casos concretos en los que el paciente se encuentra mal pero no sabe por qué. [Siempre teniendo en cuenta que el diagnóstico de un profesional es el único válido].

La inteligencia artificial puede ayudar en estos casos concretos en los que el paciente se encuentra mal pero no sabe por qué./span>

Los algoritmos pueden detectar cada vez con mayor precisión algunos síntomas que se identifican con el estado de ánimo depresivo utilizando el sonido de la voz, según una nueva investigación realizada por científicos de computación de la Universidad de Alberta (Canadá). El estudio Detecting depression from voice se basa en investigaciones anteriores que sugieren que el timbre de nuestra voz contiene información sobre nuestro estado de ánimo. En una investigación de 2013 llevada a cabo por el MIT, se valoró la capacidad de predecir la depresión valorando solo dos características vocales y un pasaje de lectura de cuatro minutos. La monotonía, el habla errática, la ronquera, la tensión y la lentitud eran características de la voz que presentaban aquellas personas que tenían síntomas depresivos.

Usando un conjunto de datos de referencia, las responsables del estudio actual aplicaron a esta información la capacidad de análisis de la inteligencia artificial. Desarrollaron una metodología que combina varios algoritmos de aprendizaje automático para reconocer la depresión con mayor precisión mediante el uso de señales acústicas. En este caso, las técnicas de machine learning facilitan la tarea de analizar la información de forma automática y sacar partido de una de las cosas que mejor se le da a la IA: encontrar patrones que pasan desapercibidos para los humanos. Así, el software activa una alerta cuando detecta que las características de la voz pueden ser indicios de estar sufriendo síntomas depresivos y puede avisar a la persona para que pida ayuda profesional.

España es el cuarto país de Europa con más casos de depresión. Alrededor de 2,5 millones de españoles la sufren y, según la Organización Mundial de la Salud,

El objetivo final de las investigadoras es que los usuarios utilicen una aplicación móvil que recopile y analice muestras de voz mientras hablan de forma natural. La aplicación, que se ejecutaría en el teléfono del usuario, podría reconocer y rastrear los indicadores del estado de ánimo vinculados a la depresión a lo largo del tiempo. Funcionaría de forma similar al contador de pasos. «Esta herramienta podría resultar útil para apoyar el trabajo con los profesionales o para ayudar a las personas a reflexionar sobre sus propios estados de ánimo a lo largo del tiempo«, explican las investigadoras. Una de las tareas más recurrentes es los tratamientos es que los pacientes lleven un registro de las situaciones en las que sienten ese malestar. Esto sirve para encontrar patrones y enfocar el problema y es una tarea que podría realizar el algoritmo al analizar la información de voz almacenada. 

Siempre que hay recopilación y análisis de datos de por medio surge el dilema de la privacidad. Cualquier aseguradora médica o incluso las empresas farmacéuticas podrían estar interesadas en manejar la información sanitaria de los ciudadanos, también la psicológica. ¿Hasta qué punto compensa dejar que esa aplicación recoja datos de todo lo que dices para diagnosticar posibles síntomas? Depende de a quién le preguntes.

Llama al NYKET CENTER EUROPE y pide cita para empezar el exitoso tratamiento de la depresión, las 24 horas los 365 días: 915 630 447.

No Comments

Leave a Comment