Diagnostic and Statistical Manual of Mental Disorders

Open access full text Check availability: Full text (publisher site)

Abstract

En la actualidad es importante detectar a tiempo la depresión, con el fin de llevar un tratamiento oportuno y mejorar la calidad de vida de las personas, este proceso de evaluación o detección requiere el uso de herramientas o test para llegar a un diagnóstico correcto por parte de profesionales de la salud mental, lo cual puede llegar a ser largo de realizar o en algunos casos ser muy invasivo para las personas. A través de este proyecto se llevó a cabo la investigación de los síntomas que caracterizan el perfil de una persona con depresión y el desarrollo de una aplicación que detecta los posibles síntomas, mediante el uso de webscraping en redes sociales como Instagram, el uso de algoritmos de machine learning, análisis de datos y análisis facial en conjunto para obtener un resultado mas completo del que se puede llegar a tener solo con el texto obtenido en las publicaciones o el análisis aplicado a los rostros. Durante el desarrollo se investigaron los rasgos mas notorios en personas o pacientes con síntomas de depresión, así como los cambios en el lenguaje que puedan generar, con el fin de detectarlo en el texto de las publicaciones, además se investigaron y probaron distintos algoritmos de machine learning con un conjunto de datos para clasificar las publicaciones en suicida o no suicida. Se implementaron módulos de webscraping, clasificación de palabras y una API de análisis facial para descargar y analizar las publicaciones de los perfiles. Durante el desarrollo encontraron varios obstáculos y consideraciones relacionadas a las políticas de uso de Instagram, el manejo de datos personales y los problemas que puede haber al trabajar con este tipo de datos y analizarlos. Este proyecto aporta una base o contexto para crear herramientas de análisis e investigación que sean capaces de detectar síntomas relacionados a la depresión y que trabajen de la mano con otros recursos de diagnóstico y validación clínica.

Saved in:
Authors: Andrés Santiago González Moreno (University of Southern Denmark; Odense University Hospital)
Published in: American Psychiatric Association Publishing eBooks
Publication date:22/05/2013
Document type:Book
Language:English
DOI: 10.1176/appi.books.9780890425596
Open access: Open access Green: copy in an institutional or subject repository – Repositorio Institucional UPTC (license: CC-BY-NC-SA, submitted version (pre-print))
Cited by:116,197
Subjects:
Mental Health via Writing (Social Sciences > Psychology > Social Psychology)
Emotion and Mood Recognition (Social Sciences > Psychology > Experimental and Cognitive Psychology)
Artificial Intelligence in Healthcare (Health Sciences > Health Professions > Health Information Management)
depression detection, Instagram, social media text analysis, suicide detection, facial analysis, web scraping, mental health, word classification, personal data privacy
Identifiers: OpenAlex W4247665917

Central index data: OpenAlex (CC0 license).

Summary:En la actualidad es importante detectar a tiempo la depresión, con el fin de llevar un tratamiento oportuno y mejorar la calidad de vida de las personas, este proceso de evaluación o detección requiere el uso de herramientas o test para llegar a un diagnóstico correcto por parte de profesionales de la salud mental, lo cual puede llegar a ser largo de realizar o en algunos casos ser muy invasivo para las personas. A través de este proyecto se llevó a cabo la investigación de los síntomas que caracterizan el perfil de una persona con depresión y el desarrollo de una aplicación que detecta los posibles síntomas, mediante el uso de webscraping en redes sociales como Instagram, el uso de algoritmos de machine learning, análisis de datos y análisis facial en conjunto para obtener un resultado mas completo del que se puede llegar a tener solo con el texto obtenido en las publicaciones o el análisis aplicado a los rostros. Durante el desarrollo se investigaron los rasgos mas notorios en personas o pacientes con síntomas de depresión, así como los cambios en el lenguaje que puedan generar, con el fin de detectarlo en el texto de las publicaciones, además se investigaron y probaron distintos algoritmos de machine learning con un conjunto de datos para clasificar las publicaciones en suicida o no suicida. Se implementaron módulos de webscraping, clasificación de palabras y una API de análisis facial para descargar y analizar las publicaciones de los perfiles. Durante el desarrollo encontraron varios obstáculos y consideraciones relacionadas a las políticas de uso de Instagram, el manejo de datos personales y los problemas que puede haber al trabajar con este tipo de datos y analizarlos. Este proyecto aporta una base o contexto para crear herramientas de análisis e investigación que sean capaces de detectar síntomas relacionados a la depresión y que trabajen de la mano con otros recursos de diagnóstico y validación clínica.
DOI:10.1176/appi.books.9780890425596