Como Machine Learning pode ajudar a detectar transtornos de saúde mental?

Como Machine Learning pode ajudar a detectar transtornos de saúde mental?

4 minutos de leitura

Especialista em neuropsiquiatria tem utilizado Machine Learning para agilizar o diagnóstico e tratamento de doenças mentais.



Por Redação em 19/10/2020

Especialista em neuropsiquiatria tem utilizado Machine Learning para agilizar o diagnóstico e tratamento de doenças mentais.

Tecnologias têm mudado a dinâmica no setor da saúde. Mas, quando o assunto são os transtornos de saúde mental, ainda há uma discussão na comunidade sobre como a inovação pode ser aliada no diagnóstico dessas doenças.

Por exemplo, a depressão é uma doença comum em todo o mundo, com mais de 264 milhões de pessoas afetadas, segundo a Organização Mundial da Saúde (OMS). Contudo, como identificar os sintomas da doença em um indivíduo?

Ao contrário de outras especialidades médicas, a psiquiatria não possui uma bateria de testes e ferramentas técnicas para facilitar o diagnóstico. O principal método ainda é o mesmo utilizado há séculos: “Como você se sente hoje?”

Essa pergunta — simples de fazer, mas não tão fácil de ser respondida — está dentro de uma sessão que leva aproximadamente 45 a 60 minutos. E todo o diagnóstico de uma pessoa é baseado nesses encontros entre paciente e psiquiatra.

No entanto, e se fosse possível medir as palavras de um paciente e transformá-las em números que uma Inteligência Artificial seria capaz de interpretar? É o que espera a psiquiatra Neguine Rezaii, bolsista em neuropsiquiatria no Massachusetts General Hospital (Estados Unidos).

Em reportagem ao site da revista MIT Technology Review, a médica contou um pouco sobre as pesquisas envolvendo Machine Learning na detecção de psicose e como a tecnologia pode ajudar a entender a causa de doenças mentais e a entregar o melhor tratamento.

Machine Learning e as palavras transformadas em números

O diagnóstico de doenças mentais é um processo lento, difícil e, em sua maior parte, subjetivo. Para psiquiatras e outros especialistas, é difícil encontrar, nos pacientes, as pistas que indiquem a necessidade de um tratamento.

Para Rezaii, utilizar um algoritmo de Machine Learning para realizar uma análise da linguagem poderia agilizar o diagnóstico e tratamento de paciente. “Seria encontrar algumas características comportamentais às quais podemos atribuir alguns números e rastreá-los de maneira confiável.”

Essa abordagem defendida por Rezaii foi publicada em 2019 na revista científica Nature. A pesquisa da médica destacou que a forma como uma pessoa fala e escreve pode revelar indícios precoces de psicose e a tecnologia tem um papel importante nisso.

Rezaii descobriu que um algoritmo foi capaz de prever, com mais de 90% de precisão, quais pacientes tinham maior chance de desenvolverem esquizofrenia antes mesmo de qualquer sintoma surgir.

Como ela destacou, “pessoas que têm tendência a ouvir vozes tendem a falar sobre elas”. Para a médica, apesar desses pacientes não falarem abertamente sobre essas alucinações, palavras como “som”, “ouvir”, “cantar” e “alto” são usadas com mais frequência em uma conversa.

Essa descoberta, mesmo sendo um “padrão sutil”, foi possível devido ao uso de Machine Learning. O que ajudou também, segundo Rezaii, é o fato de as pessoas usarem constantemente smartphones e outros dispositivos.

Isso facilita o registro, digitalização e análise da linguagem dos indivíduos. Tanto que a comunidade médica tem se apoiado nesses dados para identificar sinais de depressão, ansiedade, transtorno bipolar e outras síndromes.

Em 2018, o MIT desenvolveu uma solução baseada em Inteligência Artificial para detectar, pela voz, se uma pessoa tinha depressão. O projeto, que apresentou 77% de precisão, não busca substituir o diagnóstico de profissionais da saúde, mas, sim, auxiliá-los.

Como Rezaii usou algoritmos para facilitar o diagnóstico

Rezaii buscou usar tecnologia para identificar os sintomas “negativos” da esquizofrenia, que seriam a ausência de algo visto em pessoas saudáveis. Geralmente eles são menos perceptíveis que os sintomas positivos, como a alucinação.

Entre os sintomas “negativos” mais comuns está a pobreza da fala. Segundo a psiquiatra, “os pacientes falam menos. Ou, quando falam, falam pouco e usam frases vagas, repetitivas e estereotipadas”.

Para a comunidade, esse sintoma é chamado de “baixa densidade semântica”. E foi por esse sinal de possível psicose que Rezaii quis analisar a linguagem das pessoas para identificar se elas desenvolveriam esquizofrenia.

Primeiro, a médica e sua equipe usaram Machine Learning para ver se um computador conseguiria detectar a “baixa densidade semântica” dos 40 pacientes avaliados. Nessa etapa, gravações de conversas feitas ao longo da última década foram utilizadas.

Eles dividiram cada frase falada em uma série de ideias centrais para que um computador pudesse medir a densidade semântica. A frase “Bem, acho que tenho fortes sentimentos sobre política” obtém uma pontuação alta, graças às palavras “forte”, “política” e “sentimentos”.

Mas uma frase como “Agora, agora eu sei como ser legal com as pessoas porque é como não falar é tipo, você sabe como ser legal com as pessoas é como se agora eu soubesse como fazer isso”, que soa confusa, tem uma densidade semântica muito baixa.

A segunda etapa contou com o apoio da computação para contar as vezes que cada paciente usou palavras associadas a sons. A ideia era procurar pistas sobre vozes que eles poderiam estar ouvindo, mas mantendo em segredo.

Nas duas fases do projeto, para ajudar na identificação da doença, os pesquisadores também alimentaram o algoritmo de Machine Learning com um “discurso padrão” a partir de conversas on-line postadas por 30.000 usuários da rede social Reddit.

Resultado positivo, mas segurança dos dados levanta questões

A pesquisa de Rezaii se mostrou bastante positiva para a comunidade médica: psiquiatras têm uma precisão de 80% no diagnóstico precoce de esquizofrenia. O computador usado pela equipe marcou pelo menos 90%.

No entanto, apesar do resultado promissor, Rezaii se diz incomodada pelo algoritmo ser de código aberto e acessível, uma exigência dos editores da publicação da Nature. “Eu disse ‘tudo bem’. Ele foi baixado 1.060 vezes até agora, mas não sei com que propósito, e isso me incomoda.”

Existe toda uma questão sobre o uso de dados de saúde, ainda mais em relação a transtornos mentais. O Facebook possui algoritmos de Inteligência Artificial para encontrar pessoas em risco de suicídio.

A empresa diz que alertou as autoridades para ajudar as pessoas em pelo menos 3.500 casos. Porém, pesquisadores independentes reclamam que, até então, o Facebook nunca relevou como funciona o sistema ou o que a rede social faz com os dados que coleta.

Leis de privacidade (como a LGPD) evitam que dados de saúde sejam compartilhados, salvo exceções. Ao mesmo tempo, leis de sigilo comercial criam uma cortina e não dão visibilidade e transparência sobre como esses dados são usados e se foram coletados com consentimento.

Como Rezaii destacou, as discussões sobre ética e privacidade são importantes, no entanto, “é importante também a consciência de que as empresas de tecnologia já colhem informações sobre nosso comportamento e as usam sem consentimento para fins menos nobres.”

“Vivemos em um mundo digital. As coisas sempre podem ser usadas de forma abusiva. Uma vez que um algoritmo está disponível, as pessoas podem pegá-lo e usá-lo em outras pessoas. Não há como evitar isso. Pelo menos no mundo médico, pedimos consentimento”, finalizou.

Principais destaques desta matéria

  • Psiquiatra tem usado Machine Learning para agilizar diagnóstico de pessoas com transtornos de saúde mental.
  • Algoritmo foi alimentado com gravações e outros dados para realizar uma análise da linguagem dos pacientes.
  • Pesquisa mostrou 90% de precisão no diagnóstico precoce de esquizofrenia. 


Matérias relacionadas

mwc 2024 Inovação

Mulheres conquistam espaço no MWC, em Barcelona

Além de mais espaço para as mulheres no palco principal, MWC organizou o Summit Diversity4Tech para discutir diversidade no setor de TIC

20 mulheres mais influentes em tecnologia Inovação

Quem são as 20 mulheres mais influentes no setor de tecnologia no Brasil

A Deal Maker listou as 20 mulheres mais influentes de tecnologia no Brasil nos últimos tempos, considerando premiações, impacto e esferas de influência

dados pessoais inteligencia artificial Inovação

SXSW: dados pessoais são usados para treinar inteligência artificial

Assunto foi tema no SXSW, festival de inovação e criatividade que aconteceu em Austin, nos Estados Unidos

awsome women community Inovação

AWSome Women Community celebra participação feminina em tecnologia

Evento capitaneado pela AWS promove a diversidade e inclusão em tech