La IA ofrece una nueva e interesante forma de diagnosticar enfermedades mentales

Los modelos buscan patrones de sonido indetectables para el oído humano

Resumido del THE ECONOMIST ( Science & technology ) del 2 de Octubre de 2024

Los métodos tradicionales de diagnóstico de enfermedades mentales requieren que los pacientes hablen directamente con un psiquiatra
. Aunque en teoría son sensatas, en la práctica estas evaluaciones pueden tardar meses en programarse y, en última instancia, conducir a diagnósticos subjetivos.
Por eso, los científicos están experimentando con formas de automatizar este proceso.
Las herramientas de inteligencia artificial (IA) entrenadas para escuchar a los pacientes han demostrado ser capaces de detectar una variedad de enfermedades mentales, desde la ansiedad hasta la depresión, con índices de precisión que superan los métodos de diagnóstico convencionales.
Al analizar las propiedades acústicas del habla, estos modelos de IA pueden identificar marcadores de depresión o ansiedad de los que un paciente podría ni siquiera ser consciente, y mucho menos capaz de articular. Aunque las características individuales, como el tono, el timbre y el ritmo, desempeñan un papel, el verdadero poder de estos modelos reside en su capacidad para discernir patrones imperceptibles para los oídos de un psiquiatra.
Los profesionales de la salud mental ya han utilizado la IA antes. Los modelos de lenguaje LLM , por ejemplo, pueden rastrear entrevistas transcritas en busca de patrones de habla y pistas contextuales sintomáticas de trastornos psicológicos.
Pero la IA basada en texto tiene limitaciones.
os matices culturales, las barreras lingüísticas y los diferentes niveles de fluidez pueden distorsionar los resultados. También se ha demostrado que los LLM reflejan los sesgos lingüísticos que prevalecen en la sociedad: en un estudio, un LLM no logró diagnosticar la depresión en pacientes negros en comparación con sus contrapartes blancas.

Además, se sabe que los LLM “alucinan”, es decir, generan información que suena plausible pero que es incorrecta en los hechos. Esta deficiencia es particularmente problemática en un campo donde la precisión puede significar la diferencia entre un tratamiento adecuado y un diagnóstico erróneo. Es por eso que los nuevos métodos en desarrollo no prestan atención a las palabras individuales, sino más bien a cómo se pronuncian esas palabras. Un modelo de IA desarrollado por investigadores de la Universidad Minzu del Centro Sur de China, https://cie.muc.edu.cn/info/1111/2032.htm por ejemplo, busca cambios sutiles en la voz de un paciente.
Los investigadores plantean la hipótesis de que las personas con depresión pueden tener formas distintivas de hablar demasiado sutiles para que el oído humano las detecte. El sistema utiliza “preentrenamiento”, una técnica mediante la cual el modelo se expone primero a grandes cantidades de habla general para ayudarlo a reconocer patrones de audio complejos.
Estos patrones pueden incluir variaciones en el ritmo, la variabilidad del tono y la calidad de la voz que son típicamente imperceptibles para el oído humano. Este preentrenamiento actúa como un diapasón lingüístico, permitiendo que el sistema detecte variaciones intrincadas en el habla que pueden indicar depresión, sin necesidad de entender las palabras en sí. Luego, los investigadores ajustaron o “afinaron” este sistema de propósito general específicamente para la detección de la depresión con la ayuda de grabaciones de pacientes con depresión.
Este método afinado mostró una precisión notable. En los resultados publicados en Nature Scientific Reports https://www.nature.com/srep/ en junio, el método pudo detectar la presencia de depresión en una tarea de clasificación binaria el 96% de las veces, y tuvo una precisión del 95% cuando se le pidió que categorizara su gravedad en cuatro niveles (sin depresión, leve, moderada y grave) según una escala de calificación clínica.
Otros métodos también están dando frutos. Investigadores de la Universidad de la Sorbona en París han desarrollado un método que analiza las ondas sonoras grabadas a través de una aplicación de teléfono inteligente para detectar varias afecciones de salud mental.
En primer lugar, las ondas sonoras se convierten en mapas visuales llamados espectrogramas que representan gráficamente cómo varían la frecuencia y el volumen de una voz con el tiempo.
A continuación, el modelo examina cada espectrograma individual en busca de características indicativas de diversos trastornos psiquiátricos, como depresión, ansiedad, insomnio y fatiga. Una vez más, el modelo de IA se somete a un entrenamiento previo con un amplio conjunto de datos de grabaciones de voz, aprendiendo a reconocer patrones y características generales del habla.
A continuación, utiliza este conocimiento para interpretar los espectrogramas de los individuos del estudio.
Este método emplea técnicas de aprendizaje profundo para extraer automáticamente características relevantes de los datos de audio sin procesar, en lugar de depender de características acústicas predefinidas. Esto significa que las señales exactas que utiliza el sistema no son fácilmente interpretables por los humanos, un aspecto común, aunque a veces polémico, de muchos sistemas avanzados de IA.
Los resultados, publicados en una preimpresión en línea en marzo, son prometedores, pero la investigación todavía está en sus primeras etapas. Estoy escuchando Las posibles aplicaciones son amplias. El análisis de las ondas sonoras facilita la evaluación de los pacientes incluso si no pueden articular con precisión su estado mental o están en peligro. Dado que funciona en distintos idiomas, el método también ayudaría a una gama más amplia de personas y podría ofrecer una ayuda valiosa en áreas rurales con pocos profesionales de la salud mental.
Para los médicos sobrecargados, el análisis del habla podría ayudar a clasificar a los pacientes y ofrecer un seguimiento continuo para aquellos que requieren tratamientos en el hogar. El diagnóstico, aunque valioso, es solo el primer paso. Diferentes personas con la misma afección a menudo requieren tratamientos personalizados para los síntomas que padecen.
 En el caso de la depresión, por ejemplo, “algunos pueden tener problemas de memoria, otros de fatiga”, dice Gavin Tucker, psiquiatra infantil del Hospital Maudsley de Londres. El siguiente paso, por tanto, para esta prometedora tecnología parece claro: crear modelos de IA que puedan ayudar a los médicos a personalizar los tratamientos que dan a los pacientes.

Ver Nota completa en https://www.economist.com/science-and-technology/2024/10/02/ai-offers-an-intriguing-new-way-to-diagnose-mental-health-conditions