Pesquisa desenvolvida por pesquisador do Sidia em parceria com a USP mostra o potencial da Inteligência Artificial aplicada a sistemas de saúde na detecção precoce de transtornos depressivos.

 

Felipe T. Giuntini*

Os transtornos mentais têm sido uma preocupação do Brasil e do mundo, sendo reconhecidos como uma das principais causas de prejuízo no desenvolvimento físico e cognitivo e, consequentemente, nas perdas de qualidade de vida e de renda por impacto nas atividades de trabalho. Segundo a Organização Mundial de Saúde (OMS), estes transtornos tendem a afetar pelo menos 20% da população mundial em algum momento da vida, sendo a segunda causa de atendimento de urgência em centros de saúde. Além disso, a OMS ainda mostra que a depressão tem sido apontada como uma das principais cargas globais de doenças, acometendo 350 milhões de pessoas no mundo.

A depressão tem sido caracterizada pela OMS como um transtorno do humor, no qual as condições emocionais e motivacionais seriam os componentes mais comprometidos. Observa-se nessa condição um sentimento de tristeza relativamente persistente, uma diminuição do interesse de envolvimento em atividades que normalmente seriam prazerosas, com comprometimento das atividades rotineiras e diárias, por pelo menos duas semanas; observa-se, ainda, aumento de ansiedade, redução da concentração, sentimentos de culpa, desesperança e inutilidade, ideação suicida. Tradicionalmente, os profissionais de saúde mental têm utilizado majoritariamente, para o diagnóstico e acompanhamento da evolução do quadro, técnicas de exame clínicos baseadas nas informações providas por autorrelato das dimensões emocionais, comportamentais e cognitivas, como por exemplo questionário, entrevistas, preenchimento de inventários padronizados, entre outros. No entanto, uma nova fonte de informações autorrelatadas tem sido examinada como passível de gerar subsídios para identificação e rastreamento do quadro depressivo: os milhares de dados inclusos regularmente nas redes sociais.

As redes sociais, como Facebook e Twitter, mudaram significativamente como as pessoas vivem, sendo que se tornou rotineiro o compartilhamento e o registro da vida cotidiana, como sentimentos e opiniões no contexto das vivências sociais públicas ou privadas. A avaliação de informações disponibilizadas tem se mostrado uma ferramenta eficiente e eficaz no estudo de diferentes dimensões do comportamento humano, em particular de dimensões afetivas motivacionais. Dessa forma, pesquisadores em Computação Afetiva têm desenvolvido tecnologias que analisam informações provenientes de redes, injetando um novo vigor na área de análise do comportamento, uma vez que os estudos que utilizam as redes sociais como mais uma lente no processo de identificação de indicativos de transtornos de humor depressivos, podem permitir um diagnóstico e acompanhamento mais rápido e preciso.

Desta forma, desenvolvi em meu doutorado pela USP uma abordagem que analisa a timeline do usuário na rede social em busca de encontrar padrões frequentes e verificar se houve mudanças de humor. Baseando-se nos desafios e lacunas da área de Computação Afetiva, a pesquisa propõe uma arquitetura de alto nível, que coleta, armazena, organiza e anonimiza as informações do usuário, extrai as características emocionais e reconhece padrões de comportamentos dos usuários depressivos, conforme a Figura abaixo extraída do artigo (clique no link para acessar) publicado na revista científica internacional “Journal of Ambiente Inteligent and Humanized Computing”. A abordagem basicamente extrai informações dos textos, imagens e emoticons das redes sociais e analisa padrões temporais frequentes dos usuários, observando mudanças no humor. Vale a pena ressaltar que a pesquisa está registrada em comitê de ética em pesquisa de seres humanos, bem como está registrada na Plataforma Brasil, além disso está de acordo com a política de privacidade das redes sociais utilizadas.


Figura 1: Arquitetura para reconhecimento de padrões de comportamentos depressivos (extraído de Giuntini et. al (2019) – A review on recognizing depression in social networks: challenges (Springer).

Em um estudo de modelagem sobre o retorno econômico do investimento no tratamento da depressão, uma pesquisa (clique no link para acessar) demonstrou que em países como o Brasil, seriam necessários um aporte de 86% ou mais do investimento atual para que as metas desejáveis em saúde mental sejam alcançadas. Ademais, observou-se que no Brasil e em outros 35 países, para cada dólar investido na expansão na avaliação e tratamento do transtorno depressivo, haveria um retorno econômico de aproximadamente 4 dólares. Para exemplificar, uma reportagem do G1 realizada pela jornalista Giovana Sanches demonstrou que a rede de serviços públicos disponível para o cuidado com os transtornos de humor ainda é insuficiente, em que na cidade de São Paulo, considerada a mais rica do país, apenas 30% das Unidades Básicas de Saúde (UBS) da rede pública, ofereciam atendimento psicológico/psiquiátrico em 2017.

Com isso, considerando o déficit de atendimento e considerando a demanda crescente por atendimento em saúde mental, o projeto tem por objetivo futuro inserir a solução baseada em inteligência artificial em uma plataforma para rastreamento de indicativos de transtornos de humor, cujo investimento seria de baixo custo. O objetivo é fornecer ao profissional de saúde mental por meio de serviços públicos e privados, uma ferramenta que auxilie na obtenção de informação sobre o usuário/paciente de uma forma a contribuir para um diagnóstico mais eficaz e eficiente. Uma vez que o especialista em saúde costuma ter somente informações fornecidas nos atendimentos, que costumam ser limitados por hora. Estas informações adicionais provindas de redes sociais têm um potencial de ser útil para especialista verificar se a abordagem de terapia adotada está produzindo mudanças positivas no humor no paciente.