Projeto propõe usar tecnologia para identificar universitários com perfil depressivo

Iniciativa em desenvolvimento na UFSCar pretende mesclar análise de textos em redes sociais com sensores que medem sinais fisiológicos. Objetivo é contribuir para identificação precoce de transtornos e para a melhor compreensão da saúde mental dos estudantes

Agência FAPESP* – Com o intuito de oferecer apoio e buscar uma compreensão mais abrangente da saúde mental de estudantes universitários, pesquisadores das áreas de computação, medicina e psicologia da Universidade Federal de São Carlos (UFSCar) iniciaram um projeto de pesquisa que busca mesclar diferentes áreas do conhecimento e tecnologias para apoio ao diagnóstico e tratamento de pessoas com possível perfil depressivo. A iniciativa, financiada pela FAPESP, utiliza processamento de língua natural (PLN) para análise de textos publicados em redes sociais, articulado à computação vestível, na forma de relógios com sensores de sinais fisiológicos. O objetivo é contribuir para identificação precoce e intervenção rápida em casos de possíveis transtornos de saúde mental.

A primeira etapa da iniciativa, cuja duração prevista é de dois anos, envolve a criação de um modelo computacional apelidado de Amigo Virtual Especializado (Amive). O Amive terá um perfil em rede social, cujos amigos serão estudantes universitários participantes da pesquisa. A partir da definição de um conjunto de palavras e expressões indicadoras de um possível perfil depressivo (PPD), o Amive será capaz de processar os textos publicados pelos estudantes na rede, usando PLN, uma forma de aprendizado de máquina.

"Estamos neste momento, com os pesquisadores da área da saúde que integram o projeto, identificando que palavras e expressões são estas", conta Vânia Paula de Almeida Neris, docente do Departamento de Computação responsável pela iniciativa.

Além dela, compõem a equipe os docentes da UFSCar Helena de Medeiros Caseli, também do DC-UFSCar; Jair Borges Barbosa Neto, do Departamento de Medicina (DMed-UFSCar); Taís Bleicher, do Departamento de Psicologia (DPsi-UFSCar); Heloisa Cristina Figueiredo Frizzo, do Departamento de Terapia Ocupacional da Universidade Federal do Triângulo Mineiro (UFTM), e Vivian Genaro Motti, do Departamento de Ciência da Informação e Tecnologia da George Mason University, nos Estados Unidos.

À análise textual das postagens serão combinadas escalas de avaliação psicométrica, que realizam rastreio para sintomas depressivos e avaliam a qualidade de vida, e também a coleta de sinais fisiológicos, a ser realizada por relógios com sensores. Essa combinação de dados visa a identificação mais precisa do possível perfil depressivo. Neris destaca, no entanto, que o intuito não é fechar um diagnóstico, mas sim permitir a identificação do estudante potencialmente afetado para disponibilizar precocemente intervenções que possam servir de apoio ao diagnóstico e ao tratamento, bem como indicar ajuda, quando necessária.

Análise textual

"O desafio é capturar o conhecimento humano e fazer uma máquina reproduzi-lo, ou seja, passar para o modelo computacional os indícios que nós detectamos em palavras e textos que aparentam estados mentais negativos, depressivos, de angústia, de algum tipo de problema. Comumente, detectamos palavras e expressões mais fáceis, como 'morte', 'cansaço', 'não consigo'; mas, às vezes, são mensagens com palavras e entonações não tão explícitas em relação a um problema, mas que trazem uma mensagem com sentimentos que aparentam ansiedade, angústia ou depressão", explica Caseli à Coordenadoria de Comunicação Social da UFSCar.

A partir dessas palavras e expressões, é possível criar algoritmos e, por meio do aprendizado de máquina, um modelo computacional capaz de identificar uma determinada mensagem como indicadora de um sintoma específico, uma segunda mensagem de outro e assim por diante, em um modelo treinado que será colocado no Amive para identificação de mensagens consideradas próprias de possível perfil depressivo.

Essa etapa inicial está prevista para o primeiro ano do projeto. Após a primeira fase, o Amive conseguirá, além de captar sinais para a detecção de PPDs, produzir postagens automáticas em modo privado, na tentativa de ajudar o indivíduo a identificar o perfil depressivo e buscar ajuda. Aqui serão testados diferentes tipos de conteúdo, inclusive em linguagens diversas (texto, vídeo, foto).

Sensores

Além disso, será inserida a combinação da análise de textos em rede social com as escalas de avaliação psicométrica com o uso de tecnologia vestível, considerada pelos responsáveis o maior diferencial do projeto, uma vez que o monitoramento por meio de sensores permite acompanhar a pessoa em tempo integral, trazendo resultados objetivos. Assim, o sensor será um relógio inteligente, que analisará sinais fisiológicos considerados pela área da saúde indicadores importantes como sinais de depressão, estresse e ansiedade, coletando dados como batimentos cardíacos e outras medidas captadas por acelerômetro e giroscópio.

Essa etapa configura aplicação em computação vestível, área que busca novas interações entre humanos e máquina, com a tecnologia sendo o mais imperceptível possível e funcionando como uma extensão do corpo.

"Já existem pesquisas que usam a análise de texto para identificar PPD. Porém, os usuários podem alterar o texto propositalmente com o intuito de gerar o impacto social desejado. Por isso, o diferencial do projeto é justamente mesclar essa análise com as demais avaliações, agregando essas outras fontes de dados na tentativa de sermos mais precisos na identificação dos possíveis perfis depressivos", detalha Neris.

Assim, os dados serão analisados e integrados com os das redes sociais. "Por exemplo: somente pelo batimento cardíaco fica difícil entendermos qual é o estado emocional da pessoa; no entanto, se atrelarmos a variabilidade no nível de batimento cardíaco com demais itens – como agitação, pela detecção de que está indo de um lado para outro; quantidade de postagens; teor e horários das mensagens, dentre outros –, podemos ter a indicação de que aquela pessoa pode estar ansiosa ou estressada. Ou seja, os dados atrelados conseguem indicar de forma mais precisa o tipo de comportamento", complementa Motti.

Com essas informações, é possível entender como a pessoa está se sentindo num exato momento e reconhecer estratégias que possam ajudá-la. "Se ela está se sentindo ansiosa ou estressada, é possível dar uma pausa nos estudos naquele momento, tomar um ar ou beber uma água, para se sentir melhor. Muitas vezes, interromper uma atividade em determinada situação traz tranquilidade e melhora a produtividade", exemplifica a pesquisadora.

Com base nos resultados, o grupo de pesquisadores espera, portanto, conseguir enviar estratégias e informações diretas aos usuários, aumentando a sua capacidade e a habilidade de entender o que está acontecendo em determinado momento e quando deve procurar ajuda.

"Sabemos que as situações de estresse, ansiedade e depressão são comuns na população acadêmica e têm um custo alto. O estudante comumente não tem acesso ao sistema de saúde, por ser custoso, ou pode ter vergonha de procurar auxílio. Ao mesmo tempo, ele tem acesso à tecnologia. Se conseguirmos fornecer subsídios nesse sentido, nossa expectativa é fazer com que o estudante possa procurar ajuda quando necessária, e que receba intervenções e tratamento o mais rápido possível. A ideia é evitar que o problema tenha consequências maiores e mais críticas no futuro", resume Motti.

Outro diferencial da abordagem proposta é a obtenção de dados de maneira contínua. "A máquina não para. É capaz de avaliar, em tempo integral, tanto os sinais fisiológicos como o conjunto de postagens – de ontem, hoje, em qualquer horário. Com uma equipe de humanos, isso não acontece, porque o usuário não tem o profissional ao lado o tempo inteiro. Nesse sentido, a solução computacional pode ajudar no cenário de uma maneira que complemente o apoio da equipe de saúde", reforça Neris.

Por fim, a docente da UFSCar destaca a importância de uma equipe multidisciplinar para a execução de projeto com alto grau de ineditismo. "Por ter várias frentes de investigação, que passam desde pelo processamento da postagem, até a utilização dos sensores e interpretações de dados médicos, indo até a frequência e o tipo de intervenção, nós precisamos de várias especialidades. Nosso time tem essa soma de competências. Os problemas atuais são tão complexos que buscar a multidisciplinaridade se torna essencial. Cada etapa será investigada, e não há soluções prontas. É algo novo no Brasil", registra.

Pesquisadores interessados em integrar a equipe do projeto podem entrar em contato pelo e-mail [e-mail].

* Com informações da Coordenadoria de Comunicação Social da UFSCar.