Pesquisadores da USP estão utilizando inteligência artificial e uma das maiores plataformas do mundo, o Twitter

 Pesquisadores da USP estão utilizando inteligência artificial e uma das maiores plataformas do mundo, o Twitter, para desenvolver modelos de predição de ansiedade e depressão que possam sinalizar esses transtornos antes do diagnóstico clínico.

A criação da base de dados, chamada SetembroBR, foi o primeiro passo e está detalhada em um artigo publicado na revista científica Language Resources and Evaluation. O nome é uma homenagem ao movimento Setembro Amarelo, uma campanha anual de prevenção ao suicídio, e também reflete o fato de que a coleta de dados começou em setembro.

Na segunda fase do projeto, que ainda está em andamento, os cientistas obtiveram resultados preliminares. Um dos achados indica que é possível identificar se uma pessoa está em maior risco de desenvolver depressão apenas com base na rede social de amigos e seguidores, sem considerar as postagens do próprio indivíduo.

A base de dados criada pelo grupo inclui informações textuais (em português) e a rede de conexões de 3,9 mil usuários do Twitter que, após a coleta, relataram diagnóstico ou tratamento de transtornos mentais. O corpus, que consiste em uma coletânea de informações sobre o tema, abrange todos os tweets públicos escritos por esses usuários, totalizando cerca de 47 milhões de mensagens.

Ivandre Paraboni, professor da Escola de Artes, Ciências e Humanidades (EACH) da USP e autor correspondente do artigo, explica: “Inicialmente, realizamos uma coleta manual nas timelines de cerca de 19 mil usuários do Twitter, o que representa quase a população de uma pequena cidade. Depois, utilizamos dois conjuntos: um com usuários diagnosticados com transtornos mentais e outro aleatório, que serviu como controle. Queríamos diferenciar pessoas com depressão da população em geral.”

Além dos usuários, a pesquisa também coletou textos da rede de amigos e seguidores. Isso se deve ao fato de que pessoas com transtornos mentais costumam seguir contas relacionadas, como fóruns de discussão ou celebridades que falam abertamente sobre suas experiências com a depressão. “Essas pessoas se atraem por interesses comuns”, complementa Paraboni, que é pesquisador associado do Centro de Inteligência Artificial (C4AI), um centro de pesquisa em engenharia formado pela Fapesp e IBM Brasil na USP.

A Fundação também apoia o estudo por meio do projeto “Análise da linguagem em redes sociais para detecção precoce de transtornos de saúde mental”, liderado por Paraboni.

Distúrbios de saúde mental, como depressão e ansiedade, têm sido apontados pela Organização Mundial da Saúde (OMS) como uma preocupação crescente globalmente. Estimativas da OMS indicam que cerca de 3,8% da população, ou 280 milhões de pessoas, é afetada pela depressão, de acordo com dados de 2021.

Durante a pandemia de covid-19, período em que os pesquisadores coletaram os textos do Twitter, houve um aumento de 25% na prevalência global de ansiedade e depressão.

No Brasil, um estudo recente do Ministério da Saúde com 784 mil participantes revelou que 11,3% da população já foi diagnosticada com depressão, sendo a maioria mulheres.

Pesquisas anteriores mostraram que transtornos mentais frequentemente se refletem na linguagem utilizada por indivíduos que sofrem dessas condições, o que levou à realização de um número considerável de estudos envolvendo Processamento de Linguagem Natural (NLP, na sigla em inglês), focando em depressão, ansiedade e transtorno bipolar, entre outros. No entanto, a maioria desses estudos foi realizada em inglês, nem sempre refletindo o perfil brasileiro.

Para conduzir o estudo, o grupo da USP submeteu o corpus textual a procedimentos de pré-processamento e limpeza de dados, removendo hashtags, URLs, emoticons e caracteres fora do padrão, mas mantendo a escrita original.

Foram utilizados métodos de aprendizado profundo (deep learning) para criar quatro classificadores de texto e embeddings de palavras, tanto individualizados quanto dependentes de contexto, utilizando modelos baseados em transformers do tipo Bert (um algoritmo de aprendizado profundo). Esses modelos correspondem a uma rede neural que aprende o contexto e o significado ao monitorar relações em dados sequenciais, como palavras em uma frase.

Como entrada, foi utilizada uma amostra de 200 tweets selecionados aleatoriamente de cada usuário. Os parâmetros foram definidos por meio de cinco execuções de validação cruzada dos dados de treinamento, calculando os resultados médios.