Imagina poder predecir el nivel de ansiedad de alguien con sólo hacerle valorar unas cuantas imágenes y responder a unas sencillas preguntas.
Eso es exactamente lo que han conseguido investigadores de la Universidad de Cincinnati y la Universidad Northwestern con su sistema "Comp Cog AI".
Combinando la inteligencia artificial con la ciencia que estudia cómo procesa la información nuestra mente, han creado una herramienta capaz de identificar con precisión a las personas que pueden padecer ansiedad.
En estudiarEl estudio, publicado en Mental Health Research, contó con más de 3.000 participantes de todo Estados Unidos.
Cada persona valoró una serie de imágenes ligeramente emotivas del Sistema Internacional de Imágenes Afectivas (IAPS) y proporcionó información básica sobre sí misma, como la edad y la soledad percibida.
El IAPS fue desarrollado por el Centro para el Estudio de la Emoción y la Atención de la Universidad de Florida. Proporciona un conjunto estandarizado de fotografías calificadas por su contenido emocional en términos de valencia (agradabilidad), excitación (intensidad) y dominancia (control).
A continuación, el sistema de IA analizó estos datos, buscando patrones en la forma en que las personas respondían a las imágenes y cómo estas respuestas se relacionaban con sus niveles de ansiedad.
Tras el entrenamiento, el sistema Comp Cog AI fue capaz de predecir la ansiedad con una precisión de hasta 81%, lo que ofrece esperanzas para un futuro en el que los problemas de salud mental puedan identificarse mediante sistemas ligeros de autoservicio.
Como autora principal, Sumra Bari explica"Utilizamos recursos computacionales mínimos y un pequeño conjunto de variables para predecir los niveles de ansiedad. Un conjunto importante de estas variables cuantifican procesos importantes para el juicio".
Más información sobre el estudio
Aquí tienes más información sobre cómo funcionó el estudio:
- Recogida de datos: Los participantes completaron una tarea de valoración de imágenes, asignando puntuaciones de -3 (no me gusta mucho) a +3 (me gusta mucho) a 48 imágenes ligeramente emotivas de IAPS. También respondieron a preguntas sobre su edad, soledad percibida e información demográfica.
- Extracción de características: El sistema de IA extrajo 15 variables de juicio clave de los datos de valoración de imágenes, como la aversión a la pérdida, la aversión al riesgo y la coherencia recompensa-aversión. Estas variables cuantifican los sesgos en los juicios de recompensa/aversión y se han relacionado con sistemas cerebrales implicados tanto en el juicio como en la ansiedad.
- Formación y predicción de IA: Los investigadores utilizaron los algoritmos de aprendizaje automático Random Forest y Random Forest equilibrado para entrenar el sistema de IA con un subconjunto de datos. La IA utilizó las variables de juicio y los factores contextuales para predecir el nivel de ansiedad de cada participante, medido por la parte de ansiedad estado del Inventario de Ansiedad Estado-Rasgo (STAI).
- Evaluación e interpretación de modelos: El sistema de IA entrenado se probó con los datos restantes para evaluar su precisión, sensibilidad y especificidad en la predicción de los niveles de ansiedad. Los investigadores también realizaron análisis de mediación y moderación para comprender cómo interactuaban las variables de juicio y los factores contextuales para modelar la ansiedad.
Los cuatro predictores más importantes (edad, soledad, ingresos familiares y situación laboral) aportaron 29-31% del poder predictivo del modelo, mientras que las 15 variables de juicio contribuyeron colectivamente con 55-61%.
Aggelos Katsaggelos, coautor principal, destacó la importancia del planteamiento del estudio: "El uso de una tarea de valoración de imágenes con variables contextuales que afectan al juicio puede parecer sencillo, pero comprender los patrones de preferencia nos permite descubrir los componentes críticos de un amplio conjunto de comportamientos".
Los investigadores prevén desarrollar la tecnología Comp Cog AI para convertirla en una aplicación fácil de usar para que los profesionales sanitarios, los hospitales e incluso el ejército puedan identificar rápidamente a las personas con alto riesgo de ansiedad.
Como señala Bari, "la tarea de calificación de imágenes puede utilizarse para obtener instantáneas diarias e imparciales del estado de salud mental de una persona sin hacer preguntas directas que puedan desencadenar sentimientos negativos o molestos."
Investigaciones anteriores aprovecharon la IA para ayudar a diagnosticar la esquizofreniay se han desarrollado herramientas para ofrecer terapia de IA a personas con problemas de salud mental. a través de avatares digitales.
