Implementar el aprendizaje automático para mejorar la salud mental

Un experto en aprendizaje automático y un investigador/clínico en psicología pueden parecer un dúo poco probable. Pero Rosalind Picard del MIT y Paola Pedrelli del Hospital General de Massachusetts están unidas por la creencia de que la inteligencia artificial puede ayudar a que la atención de la salud mental sea más accesible para los pacientes.

En sus 15 años como clínica e investigadora en psicología, Pedrelli dice que «ha sido muy, muy claro que existen una serie de barreras para que los pacientes con trastornos de salud mental accedan y reciban la atención adecuada». Esas barreras pueden incluir averiguar cuándo y dónde buscar ayuda, encontrar un proveedor cercano que acepte pacientes y obtener recursos financieros y transporte para asistir a las citas.

Pedrelli es profesor asistente de psicología en la Escuela de Medicina de Harvard y director asociado del Programa de Investigación y Clínica de Depresión en el Hospital General de Massachusetts (MGH). Durante más de cinco años, ha estado colaborando con Picard, profesor de artes y ciencias de los medios del MIT e investigador principal de la Clínica Abdul Latif Jameel del MIT para el aprendizaje automático en salud (Clínica Jameel) en un proyecto para desarrollar algoritmos de aprendizaje automático para ayudar a diagnosticar y controlar los cambios en los síntomas de los pacientes con trastorno depresivo mayor.

El aprendizaje automático es un tipo de tecnología de inteligencia artificial en el que, cuando a la máquina se le proporcionan muchos datos y ejemplos de buen comportamiento (es decir, qué salida producir cuando ve una entrada en particular), puede volverse bastante buena para realizar una tarea de forma autónoma. También puede ayudar a identificar patrones que son significativos, que los humanos quizás no hubieran podido encontrar tan rápido sin la ayuda de la máquina. Usando dispositivos portátiles y teléfonos inteligentes de los participantes del estudio, Picard y Pedrelli pueden recopilar datos detallados sobre la conductancia y la temperatura de la piel de los participantes, la frecuencia cardíaca, los niveles de actividad, la socialización, la evaluación personal de la depresión, los patrones de sueño y más. Su objetivo es desarrollar algoritmos de aprendizaje automático que puedan absorber esta enorme cantidad de datos y hacerlos significativos, identificando cuándo una persona puede tener dificultades y qué podría serle útil. Esperan que sus algoritmos eventualmente brinden a los médicos y pacientes información útil sobre la trayectoria de la enfermedad individual y el tratamiento efectivo.

«Estamos tratando de construir modelos sofisticados que tengan la capacidad no solo de aprender lo que es común entre las personas, sino también de aprender categorías de lo que está cambiando en la vida de un individuo», dice Picard. «Queremos brindarles a las personas que lo deseen la oportunidad de tener acceso a información basada en evidencia y personalizada, y que marque la diferencia para su salud».

Aprendizaje automático y salud mental

Picard se unió al MIT Media Lab en 1991. Tres años después, publicó un libro, «Affective Computing», que impulsó el desarrollo de un campo con ese nombre. La computación afectiva es ahora un área sólida de investigación relacionada con el desarrollo de tecnologías que pueden medir, sentir y modelar datos relacionados con las emociones de las personas.

Si bien las primeras investigaciones se centraron en determinar si el aprendizaje automático podría usar datos para identificar la emoción actual de un participante, el trabajo actual de Picard y Pedrelli en la Clínica Jameel del MIT va varios pasos más allá. Quieren saber si el aprendizaje automático puede estimar la trayectoria del trastorno, identificar cambios en el comportamiento de un individuo y proporcionar datos que informen la atención médica personalizada.

Picard y Szymon Fedor, un científico investigador en el laboratorio de computación afectiva de Picard, comenzaron a colaborar con Pedrelli en 2016. Después de realizar un pequeño estudio piloto, ahora están en el cuarto año de su estudio de cinco años financiado por los Institutos Nacionales de Salud.

Para realizar el estudio, los investigadores reclutaron a participantes de MGH con trastorno depresivo mayor que habían cambiado recientemente su tratamiento. Hasta el momento, 48 participantes se han inscrito en el estudio. Durante 22 horas al día, todos los días durante 12 semanas, los participantes usan pulseras Empatica E4. Estas pulseras portátiles, diseñadas por una de las empresas que fundó Picard, pueden recoger información sobre datos biométricos, como la actividad electrodérmica (piel). Los participantes también descargan aplicaciones en sus teléfonos que recopilan datos sobre mensajes de texto y llamadas telefónicas, ubicación y uso de aplicaciones, y también les piden que completen una encuesta de depresión quincenal.

Cada semana, los pacientes consultan con un médico que evalúa sus síntomas depresivos.

«Ponemos todos los datos que recopilamos del dispositivo portátil y el teléfono inteligente en nuestro algoritmo de aprendizaje automático, y tratamos de ver qué tan bien el aprendizaje automático predice las etiquetas dadas por los médicos», dice Picard. «En este momento, somos bastante buenos para predecir esas etiquetas».

Empoderando a los usuarios

Si bien el desarrollo de algoritmos efectivos de aprendizaje automático es un desafío al que se enfrentan los investigadores, el diseño de una herramienta que empodere y eleve a sus usuarios es otro. Picard dice: «La pregunta en la que realmente nos estamos enfocando ahora es, una vez que tenga los algoritmos de aprendizaje automático, ¿cómo va a ayudar eso a las personas?»

Picard y su equipo están pensando de manera crítica sobre cómo los algoritmos de aprendizaje automático pueden presentar sus hallazgos a los usuarios: a través de un nuevo dispositivo, una aplicación para teléfonos inteligentes o incluso un método para notificar a un médico o familiar predeterminado sobre la mejor manera de ayudar al usuario.

Por ejemplo, imagine una tecnología que registre que una persona recientemente ha estado durmiendo menos, permaneciendo más tiempo dentro de su casa y tiene un ritmo cardíaco más rápido de lo normal. Estos cambios pueden ser tan sutiles que la persona y sus seres queridos aún no los hayan notado. Los algoritmos de aprendizaje automático pueden dar sentido a estos datos, asignándolos a las experiencias pasadas del individuo y las experiencias de otros usuarios. Entonces, la tecnología puede alentar a la persona a participar en ciertos comportamientos que han mejorado su bienestar en el pasado, o a comunicarse con su médico.

Si se implementa incorrectamente, es posible que este tipo de tecnología pueda tener efectos adversos. Si una aplicación alerta a alguien de que se dirige hacia una depresión profunda, podría ser información desalentadora que conduce a más emociones negativas. Pedrelli y Picard están involucrando a usuarios reales en el proceso de diseño para crear una herramienta que sea útil, no dañina.

«Lo que podría ser efectivo es una herramienta que le diga a una persona: ‘La razón por la que te sientes mal podría ser que los datos relacionados con tu sueño hayan cambiado, y los datos se relacionen con tu actividad social, y no hayas tenido tiempo con tus amigos, tu actividad física se ha reducido. La recomendación es que encuentre una manera de aumentar esas cosas’”, dice Picard. El equipo también está priorizando la privacidad de los datos y el consentimiento informado.

La inteligencia artificial y los algoritmos de aprendizaje automático pueden hacer conexiones e identificar patrones en grandes conjuntos de datos que los humanos no son tan buenos para notar, dice Picard. «Creo que hay un caso realmente convincente para que la tecnología ayude a las personas a ser más inteligentes con las personas».

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre investigación, innovación y enseñanza del MIT.