Josep Alemany Iturriaga, investigador da Universidad Internacional Iberoamericana (Universidade Internacional Iberoamericana, UNIB), está a colaborar num estudo que desenvolve uma nova abordagem para prever a gravidade da depressão em fases iniciais utilizando algoritmos de aprendizagem profunda.
A depressão é atualmente uma das perturbações mentais mais prevalentes no mundo. Caracteriza-se por sentimentos de tristeza, vazio e perda de interesse pela vida. É uma perturbação que afeta pessoas de diferentes idades, gêneros e níveis socioeconômicos e pode ser causada por uma combinação de fatores genéticos, bioquímicos, ambientais e psicológicos.
De acordo com a Organização Mundial de Saúde, cerca de 450 milhões de pessoas sofrem de depressão em todo o mundo e estima-se que este número aumente 15% até 2030. Esta doença não só afecta a qualidade de vida de uma pessoa, como também tem um impacto negativo nas relações sociais e físicas. Numerosos estudos estabeleceram ligações entre a depressão e doenças físicas como as doenças cardiovasculares, a diabetes, os acidentes, as doenças respiratórias, o cancro e a obesidade.
Além disso, existe uma forte ligação entre a perturbação do consumo de álcool e a depressão. Muitas pessoas recorrem ao álcool ou às drogas como forma de obter alívio para os sintomas da depressão, o que pode levar ao abuso e à dependência de substâncias. Também aumenta o risco de ideação suicida e de mortes prematuras. As pessoas com depressão têm um risco vinte vezes maior de suicídio do que a população normal.
O tratamento tardio desta perturbação tem um impacto considerável na sociedade. O seu diagnóstico requer uma série de testes psicológicos efectuados por especialistas em psiquiatria, bem como entrevistas, questionários e relatórios de familiares e pessoas próximas. No entanto, é comum que as pessoas que sofrem de depressão adiem a procura de ajuda médica até que a condição se tenha deteriorado.
Por outro lado, a aprendizagem profunda tem sido amplamente utilizada em domínios como a saúde e a medicina, mas a sua adoção na psicologia e nas ciências do comportamento tem sido limitada até agora. Embora já existam investigações que utilizaram esta tecnologia para prever sinais de depressão, poucas se centraram nos níveis de gravidade como uma variável multi-classe.
Algoritmos como o Random Forest e o Support Vetor Machine demonstraram ser eficazes na detecção precoce da depressão. No entanto, um dos desafios é trabalhar com conjuntos de dados desequilibrados, em que certas classes têm significativamente mais amostras do que outras. Isto pode afetar a precisão do modelo.
Para responder a este desafio, esta investigação implementou a abordagem Feature Group Partitioning (FGP) na fase de processamento de dados, combinada com técnicas de sobreamostragem sintética, tais como a Synthetic Minority Oversampling Technique (SMOTE) e a Adaptive Synthetic Technique (ADASYN), para equilibrar os conjuntos de dados, a fim de melhorar a precisão na previsão da gravidade da depressão.
Os resultados mostraram que esta combinação produziu o nível mais elevado de precisão equilibrada, atingindo 92,81%. Além disso, a investigação conseguiu otimizar o tempo de treino da abordagem FGP para todos os classificadores utilizados, o que representa um feito significativo neste domínio.
Compreender e prever com precisão a gravidade da depressão é da maior importância para conceber planos de tratamento personalizados e prestar apoio adequado às pessoas afetadas por esta perturbação mental. Esta abordagem e a integração de algoritmos de aprendizagem automática abrem novas possibilidades no domínio da investigação da depressão.
Para saber mais sobre este estudo, clique aqui.
Para ler mais pesquisas, consulte o repositório da UNIB.
A Universidade Internacional Iberoamericana (UNIB) oferece o programa de Mestrado em Gestão Estratégica com especialização em Tecnologia da Informação. Um programa que prepara os alunos para gerir um cargo de gestão de sistemas e TIC ou liderar um projeto de mudança organizacional utilizando as TIC.