Hay un gesto cotidiano que dice más de lo que parece: las palabras con que nos describimos, el lugar que ocupa el «yo» en una frase, la insistencia en lo negativo. La inteligencia artificial empieza a leer esas huellas con una precisión inquietante, y la psicología se pregunta qué significa escuchar al lenguaje como síntoma. Lo que hoy se logra es predecir con eficacia, pero todavía sin saber explicar por qué, y esa sombra de opacidad es la que impide llevar estas herramientas a la consulta sin reservas.
¿Puede la inteligencia artificial detectar la ansiedad en las palabras que usamos?
Aún no abrió la boca y ya había un informe sobre ella
Mark
Entonces, ¿una IA ya puede decir si alguien tiene ansiedad por cómo escribe?
Mimi
Hay una relación estadísticamente significativa entre síntomas de ansiedad y rasgos del lenguaje, como más pronombres de primera persona y palabras negativas. Pero es una relación, no un diagnóstico.
Luke
Y conviene precisar la base: ese estudio usó textos en inglés de menos de 500 palabras sacados de foros de salud mental. Eso no es una consulta clínica.
Mark
¿Por qué mencionan a Lope de Vega?
Mimi
Porque muestra que el estilo de una persona deja huellas detectables. Un sistema entrenado con 350 dramaturgos vinculó La francesa Laura con el estilo de Lope.
Luke
Aun así, atribuir una obra a un autor no equivale a leer una mente. El ejemplo ilustra el principio, no prueba la aplicación clínica.
Mark
¿Cuál es el problema de los modelos tipo ChatGPT aquí?
Mimi
Predicen muy bien, pero no explican por qué eligieron una etiqueta. En salud mental, el porqué importa.
Luke
Y los métodos que sí se explican predicen menos. Hay una disyuntiva sin resolver.
Mark
¿Y distinguir un trastorno de otro?
Luke
Hoy no se puede, y los autores dicen que no saben si será posible. Lo de la sala de espera es un escenario imaginado, no algo en marcha.
Mimi
Falta también un corpus fiable, con autores conocidos, porque las redes sociales no lo son.
Il Polso
- Un sistema puede acertar al detectar señales de ansiedad en un texto, pero no sabe decir qué le hizo llegar a esa conclusión.
- Las palabras en primera persona y el tono negativo aparecen con más frecuencia en quienes presentan síntomas, según los estudios citados.
- Los datos disponibles proceden de foros y redes sociales, donde nadie puede confirmar quién escribe ni cómo se siente realmente.
- Hoy es posible distinguir si existe un problema de salud mental, pero aún no si se trata de un trastorno concreto.
- Los investigadores buscan combinar modelos potentes con métodos explicables y corpus de autoría verificada antes de confiar en ellos para diagnosticar.
Hay un gesto cotidiano que dice más de lo que parece: las palabras con que nos describimos, el lugar que ocupa el «yo» en una frase, la insistencia en lo negativo. La inteligencia artificial empieza a leer esas huellas con una precisión inquietante, y la psicología se pregunta qué significa escuchar al lenguaje como síntoma. Lo que hoy se logra es predecir con eficacia, pero todavía sin saber explicar por qué, y esa sombra de opacidad es la que impide llevar estas herramientas a la consulta sin reservas.
Esperanza acude por primera vez a una consulta psicológica. En la sala de espera, en lugar de revistas, hay portátiles: los pacientes escriben un breve relato sobre sus vínculos con amigos, familia o compañeros de trabajo. Al entrar, la psicóloga ya tiene delante un informe detallado de su caso, elaborado a partir de lo que acaba de escribir. Esperanza se sorprende, porque aún no ha hablado.
La escena es imaginaria, pero los investigadores Luis de la Fuente Valentín y Joaquín Manuel González Cabrera, de UNIR, la usan para plantear una pregunta real: ¿existen patrones en el lenguaje que se relacionen con trastornos mentales? Recuerdan que una inteligencia artificial ya fue capaz de identificar el estilo de Lope de Vega en una obra atribuida, y que en salud mental hay evidencias de que la ansiedad se asocia a un uso más frecuente de pronombres en primera persona y de palabras negativas.
Existen dos caminos técnicos. La clasificación automática, basada en redes neuronales, predice con gran acierto, pero no explica sus decisiones, algo difícil de aceptar en un diagnóstico. La extracción de características, en cambio, mide elementos del texto como la complejidad, los pronombres o la emoción predominante: predice menos, pero permite entender el resultado.
Quedan retos importantes: distinguir entre trastornos concretos y construir datos fiables, con autores verificados. Por eso los autores defienden combinar ambos enfoques y dotar a estas herramientas de capacidad para justificarse. Quizá así la sala de espera imaginada de Esperanza deje de ser ciencia ficción en unos años.
Esperanza, nombre ficticio, llega a la consulta de una psicóloga para su primera sesión. La sala de espera no tiene la mesa baja de cristal ni las revistas desperdigadas: tiene portátiles. Mientras aguardan su turno, los pacientes escriben un breve relato sobre su relación con amigos, familia o compañeros de trabajo. Poco después de terminar el suyo, Esperanza pasa a consulta y encuentra a la psicóloga con un informe detallado de su caso en las manos. Piensa, sorprendida, que es la primera vez que va y aún no ha abierto la boca.
La escena es imaginaria. La plantean Luis de la Fuente Valentín, profesor del Máster en Análisis y Visualización de Datos Masivos de UNIR, y Joaquín Manuel González Cabrera, investigador principal del grupo Ciberpsicología de la misma universidad, en un artículo publicado originalmente en The Conversation. En ella, técnicas de procesamiento de lenguaje natural analizan los patrones lingüísticos del relato y elaboran un diagnóstico previo que sirve de punto de partida a la profesional. Hoy parece ciencia ficción, admiten, pero podría ser real en un futuro no demasiado lejano.
La pregunta de fondo es si existen patrones del lenguaje que se correlacionen con trastornos mentales o problemas de conducta. Los autores recuerdan un caso reciente: el hallazgo de una obra de Lope de Vega gracias a la inteligencia artificial. Un sistema de aprendizaje automático fue entrenado para reconocer los usos léxicos de hasta 350 dramaturgos, y concluyó que La francesa Laura tiene un uso del léxico muy cercano al del llamado «fénix de los ingenios». Más allá del valor literario, el episodio muestra que hay patrones lingüísticos asociables a personas concretas y detectables de forma automática.
En el terreno de la salud mental, ya hay evidencia de una relación estadísticamente significativa entre la sintomatología de la ansiedad y las características del lenguaje. Un ejemplo es el predominio de pronombres de primera persona y de palabras negativas en distintas patologías. El estudio que citan los autores trabajó con textos en inglés de menos de 500 palabras, tomados de foros de internet sobre salud mental, y halló una diferencia significativa en el uso de esos pronombres.
Hay dos caminos técnicos. El primero es la clasificación automática: con muestras bien etiquetadas se entrena una red neuronal para reconocer los patrones que llevan a asignar una etiqueta u otra. Se basa en aprendizaje profundo con modelos de arquitectura transformer, la misma que usa ChatGPT, y tiene una capacidad predictiva muy alta. Su contrapartida es la falta de explicabilidad: ante una predicción, el sistema no informa de por qué la tomó, algo difícil de aceptar en un diagnóstico de salud mental.
El segundo camino es la extracción de características. Predice menos, pero se explica mejor. Dado un texto, permite cuantificar la complejidad de las oraciones y de las palabras, la frecuencia de pronombres, adverbios o adjetivos, el estilo narrativo (voz activa o pasiva), la emoción primaria predominante y el campo semántico.
Quedan retos importantes. Hoy se puede detectar si un paciente tiene un trastorno relacionado con la salud mental, pero no distinguir de cuál se trata, y los autores reconocen que aún no se sabe si esa precisión será posible. Además, gran parte de los trabajos usa textos de redes sociales, foros y servicios similares, donde no siempre se sabe quién escribe y es imposible conocer su realidad mental. Sin datos fiables, advierten, siempre se podrá cuestionar la validez de los resultados.
Por eso defienden construir métodos de captura de datos sólidos y dotar a estas herramientas de la capacidad de justificar sus decisiones, porque sin argumentos un facultativo difícilmente se sentirá cómodo con un diagnóstico tan delicado. Combinar clasificación y extracción de características podría resolverlo y, quizá, convertir en realidad la sala de espera de Esperanza en los próximos años.
Citazioni salienti
Sin una fuente de datos confiable, siempre se podrá poner en entredicho la validez de los resultados.— Luis de la Fuente Valentín y Joaquín Manuel González Cabrera, UNIR (paráfrasis)
Vuoi la storia completa?
Leggi l'originale su RPP ↗
Transportation