Modelo IA Detecta Depresión en Conversaciones Naturales con 77 % Precisión

• Investigadores del MIT desarrollaron una red neuronal que identifica automáticamente patrones depresivos de audio y texto sin preguntas predefinidas.
• El modelo es «libre de contexto», pudiendo analizar cualquier conversación casual y extraer señales lingüísticas y acústicas vinculadas a depresión.
• En estudio de validación logró precisión global del 77 %, superando herramientas IA basadas en Q&A convencionales.

Tradicionalmente, el Cuestionario de Salud del Paciente (PHQ-9) es el estándar oro para cribado de depresión. Plantea nueve preguntas fijas sobre estado de ánimo, sueño, apetito y niveles de energía para calcular puntuación de 0 a 27, con puntuaciones sobre 20 indicando depresión severa.

En años recientes, enfoques de machine learning han minado exitosamente el habla para marcadores reveladores —entonación, velocidad de habla, elecciones léxicas específicas— sugiriendo estados depresivos. Sin embargo, la mayoría de estos modelos dependen de respuestas al PHQ-9 o entrevistas estructuradas similares, limitando su aplicabilidad en entornos reales.

La nueva red neuronal del MIT elimina esa restricción. Al alimentarla con grabaciones de entrevistas de forma libre, el sistema aprende a reconocer patrones sutiles —como uso frecuente de palabras como «abajo», «bajo» o «triste», combinado con calidad vocal aplanada o monótona y velocidad de habla más lenta— fuertemente asociados con depresión.

Cómo Funciona el Modelo

El algoritmo trata el habla como secuencia de frames de audio con marca temporal y palabras transcritas. Emplea arquitectura de modelado de secuencia profunda que analiza conjuntamente características acústicas (tono, energía, velocidad de habla) y contenido lingüístico. Al no depender de cuestionario fijo, puede aplicarse a cualquier dato conversacional, desde entrevistas clínicas a llamadas telefónicas cotidianas.

Los autores denominan esto «modelado libre de contexto» porque captura indicadores de depresión independientes de las preguntas específicas realizadas.

Entrenamiento, Validación y Rendimiento

El modelo se entrenó con 142 interacciones del Corpus de Entrevistas de Análisis de Angustia (DAIC), que incluye audio, video y texto de conversaciones con participantes sanos y personas diagnosticadas con trastornos mentales.

La severidad de depresión de cada sujeto se cuantificó usando puntuación PHQ-9 (0–27). En el estudio, 28 participantes fueron clasificados como deprimidos (puntuaciones ≥20). La red se evaluó en precisión y recall: logró 71 % precisión y 83 % recall, resultando en precisión global del 77 % —mejora notable sobre enfoques IA previos que típicamente rondaban 60-65 % precisión.

Trabajos futuros extenderán la red a otras condiciones como demencia y explorarán los patrones acústico-lingüísticos específicos que impulsan sus predicciones.

A largo plazo, la tecnología podría integrarse en apps móviles para monitorizar pasivamente voz y texto de usuarios en busca de signos de angustia, ofreciendo alertas tempranas para quienes enfrentan barreras para acceder a atención de salud mental.

Leer: La Estimulación Cerebral Puede Disminuir la Intención de una Persona de Cometer un Acto Violento