Esperanza (nome ficticio) atópase na consulta da psicóloga para ter a súa primeira sesión. Non se trata da habitual sala de espera cunha mesa baixa de cristal no centro e algunhas revistas de moda espalladas.
Nesta hai portátiles para os pacientes que, facendo honra á súa condición, esperan a súa quenda con paciencia. Mentres tanto escriben un breve relato sobre a súa relación con amigos, familia ou compañeiros de traballo. Instantes despois de terminar de escribir o seu, Esperanza é chamada a consulta, e a psicóloga aténdelle suxeitando nas súas mans un informe detallado do seu caso.
“Como pode ser, se é a primeira vez que veño e aínda non abrín a boca!”, pensa Esperanza, sorprendida.
O informe foi xerado con técnicas de procesamento de linguaxe natural, que analizaron coidadosamente os patróns lingüísticos contidos no relato recentemente escrito, e elaboraron un diagnóstico previo que servirá como punto de partida para o traballo da psicóloga.
Patróns lingüísticos
O anterior é unha descrición imaxinaria de algo que hoxe nos parece ciencia ficción, pero que podería ser unha realidade nun futuro non excesivamente afastado. É certo? Podería a intelixencia artificial interpretar os nosos comportamentos ata tal punto?
Para responder a estas preguntas, antes hai que atender á seguinte: existen patróns lingüísticos que mostren correlación cos diferentes trastornos mentais ou con problemas do comportamento? Como prefacio, quizais debamos lembrar unha noticia recente que poida que a moitos lles pasase inadvertida: o descubrimento dunha obra de Lope de Vega grazas á intelixencia artificial.
Na investigación que levou a cabo tal achado, adestrouse un sistema de aprendizaxe automática para recoñecer os usos léxicos de ata 350 dramaturgos, e resultou que a obra titulada A francesa Laura mostra un uso léxico que se aliña estreitamente co estilo propio do “fénix dos enxeños”.
Ademais do valor literario do achado, a investigación ponnos sobre a pista dun concepto realmente interesante: existen patróns lingüísticos que se poden asociar a persoas concretas, e que poden detectarse automaticamente.
Sintomatoloxía e linguaxe
Sobre isto, o avezado lector pode estar a se formular novas preguntas: existen patróns que poidan asociarse a trazos da personalidade?, e patróns que poidan asociarse a trastornos de ansiedade xeneralizada?, pódese detectar a ansiedade a través dalgún tipo de patrón lingüístico?
Actualmente xa hai evidencias dunha relación estatisticamente significativa entre a sintomatoloxía asociada á ansiedade e as características da linguaxe utilizada. Un exemplo claro é o predominio de pronomes de primeira persoa e de palabras negativas en diversas patoloxías mentais ou psicolóxicas. Os autores do estudo que enlazamos parten de textos en inglés de menos de 500 palabras extraídos de foros da internet sobre saúde mental, e conseguen atopar unha diferenza significativa no uso de tales pronomes.
A clasificación automática permite, cun conxunto de mostras debidamente etiquetadas, adestrar a unha rede neuronal para que recoñeza os patróns que fan que un texto reciba unha ou outra etiqueta. Esta técnica de clasificación de patróns, baseada na técnica de aprendizaxe profunda (un modelo de arquitectura coñecido como transformers, a mesma arquitectura que utiliza o xa famoso ChatGPT), ten unha capacidade preditiva moi alta.
Como contrapartida, tamén é elevada a falta de explicabilidade desta técnica. Dada unha predición, o sistema non ofrece información de por que tomou dita decisión. Sobra dicir o importante da explicación que debe acompañar a un diagnóstico sobre saúde mental.
Tipos de palabras e emoción
Por outra banda, se en lugar de clasificar patróns o que facemos é adestrar na extracción de características, ten un valor preditivo menor, pero unha mellor explicabilidade.
Dado un texto, pódense cuantificar elementos como a complexidade das oracións formuladas ou das palabras utilizadas, a frecuencia de uso de determinados tipos de palabras (pronomes, adverbios, adxectivos), o estilo narrativo (voz pasiva ou activa) ou mesmo se pode analizar a emoción primaria que predomina no texto analizado, ou o campo semántico ao que pertence.
Uso en investigación e detección
Son moitos os retos por abordar neste campo. O primeiro deles pasa por unha detección máis precisa dos diferentes trastornos. É dicir, agora mesmo existe a posibilidade de detectar se un paciente padece un trastorno relacionado coa saúde mental, pero actualmente non é posible distinguir de cal deles en concreto estariamos a falar.
Aínda non sabemos se esta detección precisa é posible ou non. En calquera caso, a investigación pasará por cumprir outro dos retos pendentes: a recompilación de corpus de datos completos e confiables. Gran parte dos traballos existentes na actualidade utilizan textos extraídos de diferentes fontes da internet, xa sexan redes sociais, foros especializados ou servizos máis específicos.
Non sempre está claro quen é o autor de cada texto e, como tal, é difícil (mellor dito, imposible) coñecer a realidade mental da devandita persoa. Sen unha fonte de datos confiable (e as redes sociais non o son), sempre se poderá poñer en dúbida a validez dos datos e dos resultados. Debemos traballar, por tanto, en métodos de captura de datos sólidos e confiables, aliñados coas necesidades de investigación de cada caso.
O reto da explicabilidade
Aínda que existen aproximacións máis ou menos útiles, as técnicas actuais de clasificación automática non achegan unha relación de motivos polos cales se asignou tal ou cal etiqueta a cada caso. Sen unha boa colección de argumentos, é difícil que calquera facultativo vaia sentirse cómodo cun diagnóstico tan delicado.
É por tanto de carácter imperativo abordar este reto da explicabilidade, dotando ás ferramentas de intelixencia artificial da capacidade de achegar explicacións ás decisións tomadas. É posible que, conxugando técnicas de clasificación e extracción de características podamos resolver estes retos e, quen sabe, quizá o relato imaxinario da sala de espera se volva unha realidade nos próximos anos.
*Luis de la Fuente Valentín é profesor do Máster Universitario en Análise e Visualización de Datos Masivos, UNIR – Universidad Internacional da Rioxa
Joaquín Manuel González Cabrera é docente e Investigador. Prof. Titular Universidad (Nivel 1). Dpto. Escola, Familia e Sociedade. Facultade de Educación. Investigador Principal do Grupo Ciberpsicoloxía (UNIR), UNIR – Universidade Internacional da Rioxa
Cláusula de divulgación: Luís de la Fuente Valentín actualmente recibe fondos do Ministerio de Ciencia e Innovación no contexto da convocatoria a proxectos de Xeración do Coñecemento e da Universidade Internacional da Rioxa para proxectos de investigación da propia universidade.
Joaquín Manuel González Cabrera recibiu fondos do Programa Estatald e I+D+i orientada aos retos da Sociedade e actualmente os recibe para proxectos de investigación na Universidade Internacional da Rioxa