Predicción de depresión según cómo tipeas en el teléfono celular

La depresión es una enfermedad muy prevalente y que cada vez aumenta más su incidencia. En Chile un 18,3% de la población sufre de algún grado de depresión (800.000 personas).

Uno de los problemas más grandes que tenemos, es que el 50% de los pacientes que presentan depresión y que van a un médico de atención primaria, no es diagnosticado y por ende, no tratado.

La depresión es diagnosticada clínicamente cuando se cumplen 5 de 9 criterios

  1. animo bajo la mayor parte del día
  2. cambios en el sueño (insomnio o hipersomnia)
  3. cambios en la actividad física
  4. sentimiento de inutilidad
  5. anhedonia (incapacidad de sentir placer)
  6. baja de peso sin dieta
  7. disminución en la capacidad de concentrarse
  8. pensamientos recurrentes de muerte
  9. los síntomas causan deterioro de las funciones sociales

Estar atento a estos síntomas, hacer las preguntas correctas y darse el tiempo para un buen diagnóstico, es una de las dificultades que presenta el diagnóstico de esta enfermedad.

Investigadores tuvieron una idea. ¿Y si aplicamos machine learning al uso del teclado del teléfono del celular y al giróscopo para ver si los pacientes deprimidos tienen un patrón especial que nos permita identificarlos?

Link al artículo
https://www.doi.org/10.1145/3097983.3098086

Pacientes con trastorno bipolar en fase depresiva fueron utilizados para entrenar el algoritmo. Les pasaron un teléfono Android Galaxy 4 al que le cambiaron el teclado por defecto por uno desarrollado para recopilar datos del tipeo. Los pacientes debían utilizar el teléfono durante 1 semana. También se les pasó el teléfono a un grupo control sin trastorno del ánimo.

El sistema encontró patrones específicos de uso del teclado en pacientes depresivos. La predicción del estado depresivo bipolar de pacientes tuvo un 90,31% de precisión.

Este trabajo muestra cómo se pueden utilizar datos cotidianos para encontrar patrones específicos.

El algoritmo utilizado fueron las Redes Neuronales Recurrentes, que tienen un muy buen desempeño pero que son una caja negra. Ver artículo de algoritmos que son caja negra.

2 Me gusta