Detección de depresión con IA: lo que tus palabras revelan sin que lo sepas
Escribes un mensaje a medianoche. Usas palabras concretas. Tardas más de lo habitual en responder. Publicas menos fotos. Pones menos emojis. Ninguno de esos gestos te parece relevante. Pero para un algoritmo de detección de depresión entrenado con millones de conversaciones, cada uno de esos patrones forma parte de un perfil que puede anticipar un episodio depresivo semanas o incluso meses antes de que tú mismo lo reconozcas.
Lo que descubrió la Universidad de Vermont con datos de Twitter
Investigadores de la Universidad de Vermont analizaron las publicaciones de Twitter de cientos de usuarios que más tarde fueron diagnosticados clínicamente con depresión. El resultado fue claro: los cambios en el lenguaje y los patrones de publicación predecían el diagnóstico con un margen de tres a seis meses de antelación, mucho antes de que ningún profesional hubiera visto al paciente.
Las señales no eran obvias. No eran mensajes de desesperación ni publicaciones explícitas sobre el estado de ánimo. Eran cambios sutiles: mayor uso de pronombres en primera persona del singular, vocabulario más negativo, frases más cortas, y publicaciones a horas inusuales de la noche.
Puedes consultar la investigación original publicada en EPJ Data Science.
La detección de depresión sin decir una sola palabra: el test de voz
La voz humana cambia antes de que la persona sea consciente de que algo va mal. Habla más despacio. Hace más pausas. El tono se vuelve más plano. Kintsugi, una empresa de inteligencia artificial especializada en salud mental, ha desarrollado un sistema capaz de detectar señales de depresión a partir de una grabación de voz de apenas 20 segundos, con una precisión que supera el 80% en sus estudios internos.
Sonde Health, otra empresa del sector, trabaja en la misma dirección: convertir la voz en un biomarcador médico tan valioso como un análisis de sangre, pero disponible en cualquier móvil, sin cita previa, en cualquier momento del día.
La detección de depresión está dejando de depender exclusivamente de que la persona decida pedir ayuda.
Instagram y el algoritmo que ya vigila tus publicaciones
Meta implementó en 2017 un sistema de inteligencia artificial en Instagram que analiza publicaciones, pies de foto y patrones de comportamiento para detectar contenido relacionado con el suicidio o la autolesión, y que puede activar una respuesta automática ofreciendo recursos de ayuda al usuario.
El sistema no espera a que alguien lo reporte. Actúa antes, de forma proactiva. Y aunque Meta ha sido criticada en muchos frentes por el uso que hace de los datos personales de sus usuarios, en este caso concreto el sistema ha sido reconocido como una herramienta que ha contribuido a reducir tiempos de respuesta en situaciones de crisis.
En el artículo de ExplicaIA sobre salud mental con inteligencia artificial puedes encontrar más contexto sobre cómo la IA está transformando la psicología clínica.
Detección de depresión en el lugar de trabajo: el frente más polémico
Varias empresas tecnológicas han empezado a explorar el uso de algoritmos para monitorizar el bienestar emocional de sus empleados a través del análisis de correos electrónicos internos, patrones de uso del calendario y tiempos de respuesta en plataformas de mensajería.
Microsoft ha investigado en esta dirección dentro de sus herramientas de productividad. El objetivo declarado es detectar señales de agotamiento o desconexión antes de que deriven en una baja laboral.
Aquí es donde la detección de depresión plantea las preguntas más incómodas: ¿tiene derecho una empresa a saber que un empleado está pasando un mal momento antes de que ese empleado lo haya decidido compartir? ¿Dónde está el límite entre el bienestar corporativo y la vigilancia?
Lo que la ciencia todavía no ha resuelto
La detección de depresión mediante inteligencia artificial no está exenta de limitaciones serias. La mayoría de los estudios trabajan con datos de poblaciones específicas —estudiantes universitarios estadounidenses, usuarios activos de Twitter— que no representan al conjunto de la humanidad.
Los sesgos culturales son reales: el lenguaje de la tristeza no es universal, y un modelo entrenado en inglés puede interpretar mal los patrones de una persona que piensa en otro idioma. Además, un falso positivo en este contexto —decirle a alguien que tiene depresión cuando no es así— puede tener consecuencias emocionales y sociales importantes.
La tecnología avanza. El marco ético todavía corre detrás.
En ExplicaIA seguimos de cerca este campo, porque la detección de depresión con IA toca algo profundamente humano: la diferencia entre estar a tiempo de ayudar y llegar tarde.