Combatre l’anorèxia a les xarxes socials amb algoritmes

El projecte STOP, liderat per la UPF-BSM, aplica la intel·ligència artificial en la creació de patrons que identifiquen problemes de salut mental a través de les publicacions a les plataformes

Categories:

Aida Corón

El projecte STOP usa la intel·ligència artificial per dibuixar patrons de comportament i identificar usuaris amb tendència a la depressió, el suïcidi o l'anorèxia
El projecte STOP usa la intel·ligència artificial per dibuixar patrons de comportament i identificar usuaris amb tendència a la depressió, el suïcidi o l'anorèxia | Marten Bjork / Unsplash

Els algoritmes poden tenir la clau en la prevenció i detecció de problemes mentals. Això és el que ha demostrat un equip d’experts multidisciplinaris liderat per la investigadora i directora de l’Àrea de Tecnologies de la UPF Barcelona School of Management, Ana Freire, el qual ha aplicat la intel·ligència artificial per identificar comportaments de risc i amb tendència a les autolesions i al suïcidi a les xarxes socials. El projecte porta el nom de STOP, que prové de Suicide prevenTion in sOcial Platforms, i ha trobat en la pandèmia i en l’augment de fins al 20% dels casos de trastorns de la conducta alimentària (TCA), sobretot d’anorèxia, l’entorn per ratificar els bons resultats del sistema i per ajudar la ciutadania.

El grup va iniciar tota la feina el 2017 amb l’objectiu d’aportar coneixement per a la societat hispanoparlant sobre els problemes mentals a les xarxes. “Vam trobar moltes investigacions en japonès i en anglès, però necessitàvem treballar el nostre entorn”, explica Freire. Els primers filtres de continguts a les plataformes socials es van centrar en tendències suïcides, però la recerca es va ampliar amb la inclusió de la depressió, fet que va portar a identificar els TCA com una patologia amb una comunitat forta a l’esfera digital.

Rastrejar un perfil amb algoritmes

La mecànica de la investigació s’ha basat en l’ús d’algoritmes capaços d’identificar en els continguts de les publicacions uns determinats trets que identifiquen les persones amb anorèxia. En una primera fase, la intel·ligència artificial cerca textos relacionats amb el suïcidi, la depressió o els TCA per, posteriorment, fer-ne un etiquetatge de la mà d’experts en salut mental que desgranen les persones en risc de patir una malaltia. Tot això, traduït a vectors numèrics, és el que ha alimentat el sistema de machine learning, el qual ha anat aprenent progressivament quines paraules, frases o textos poden identificar el trastorn. “Hem traslladat a les xarxes totes les consultes que fan els psicòlegs als pacients i els trets que els fan veure quan estan davant d’algú amb un problema mental”, resumeix Freire.

Algunes de les característiques que han permès dibuixar patrons de conducta es troben en els textos. Acostumen a usar verbs en primera persona del singular, moltes negacions i pocs articles; desprenen tristesa, enuig i disgust; i fan referència al cos, a l’ús de laxants o a la mort. Les imatges que publiquen tendeixen a ser fosques, fotografies de cossos propis o idealitzats, i de menjar saludable. Les dades també han detectat que aquests perfils interactuen poc i ho fan més en caps de setmana o durant períodes de son, un símptoma de problemes de l’insomni característic en alguns trastos de salut mental. A més a més, la investigació ha detectat que prop del 70% del nombre de perfils potencials de patir anorèxia són dones, més de la meitat menors de 18 anys.

Xarxes socials: un ganivet de doble fulla

Les informacions recol·lectades són anònimes, per això l’equip no pot adreçar-se directament als afectats per donar-los suport. Per aquest motiu, el mecanisme emprat per ajudar les persones són les campanyes: “Els algoritmes ens ofereixen les dades demogràfiques necessàries que ens van permetre entre el desembre i el gener llançar durant 24 dies Stories i publicacions al feed d’Instagram i Facebook amb el Telèfon de l’Esperança que van arribar a 660.000 persones i van augmentar en un 60% el nombre de trucades”.

L’estratègia contraresta la mateixa dinàmica de les plataformes d’oferir continguts afins a un usuari segons les seves cerques i comportament a Internet. Quan s’usa una etiqueta determinada o es cerca amb una paraula clau, els algoritmes de les xarxes ofereixen publicacions que s’hi assemblen. “Recomanar comptes amb contingut nociu fa més gran la bola”, critica la investigadora de la UPF-BSM, qui reconeix que són espais que poden generar ansietat i estrès per la idealització que mostren. “També generen la sensació que tenim llibertat d’expressió i donen peu a parlar obertament”, afegeix, “aquí és on entrem nosaltres per detectar la depressió i tendències de suïcidi”.

Davant els bons resultats de l’ús de la intel·ligència artificial, amb un 90% d’èxit per a l’anorèxia i un 85% en la depressió, l’equip vol estendre l’ús de campanyes a les xarxes socials en períodes més llargs i abordar altres problemes com la soledat.

Tecnologia més enllà dels números

Multidisciplinari. Aquest és l’adjectiu sobre el qual Freire posa més èmfasi quan fa referència a l’equip d’investigadors. En ell hi ha enginyers, però també experts en salut mental, i aquí rau, per a ella, la clau de l’èxit: “La tecnologia és cada cop més transversal i si els enginyers no tenim experts al nostre costat, la tecnologia no estarà ben construïda”. Per això demana que els estudis de les branques socials incorporin als plans docents matèries que les acostin cap a les enginyeries, les ciències i les matemàtiques, i que les anomenades disciplines STEM també s’acostin a les àrees tradicionalment conegudes com “de lletres”.

El projecte STOP va començar a la UPF-BSM amb l’anàlisi d’imatges, una tasca que ha estat possible amb el suport del Centre de Visió per Computació de la Universitat Autònoma de Barcelona. Alhora, el Parc Taulí de Sabadell i la Fundació Fita de Barcelona han aportat experts en salut mental per etiquetar les publicacions que han alimentat els algoritmes.