A través de posteos de Twitter investigadores argentinos pueden predecir picos de ansiedad en la población

Científicos del Instituto Superior de Ingeniería de Software de Tandil, desarrollaron un algoritmo que, a partir del análisis de decenas de miles de tuits, es capaz de anticipar con una eficacia del 80% la aparición en la población de picos de ansiedad, estrés, depresión u otros trastornos de salud mental relacionados con la pandemia

Guardar
Investigadores del Instituto Superior de Ingeniería de Software de Tandil (ISISTAN) aplicaron técnicas estadísticas y de inteligencia artificial para analizar el contenido de cientos de miles de tuits y respuestas sobre COVID-19 generados en Argentina entre el 1 de marzo y el 31 de agosto de 2020
Investigadores del Instituto Superior de Ingeniería de Software de Tandil (ISISTAN) aplicaron técnicas estadísticas y de inteligencia artificial para analizar el contenido de cientos de miles de tuits y respuestas sobre COVID-19 generados en Argentina entre el 1 de marzo y el 31 de agosto de 2020

Con 2000 millones de usuarios activos en el mundo y casi 5 millones en Argentina, Twitter no solo puede ser un espacio de comentarios ingeniosos, agresiones, pendencias, noticias, banalidades, hilos de divulgación, llamadas de atención, historias breves, propuestas, mensajes falsos y rumores: también puede ser un “termómetro” que mide objetivamente el estado de ánimo social durante la pandemia y hasta podría usarse para anticipar con una semana de anticipación picos de estrés, ansiedad y depresión en la población.

Así lo aseguran investigadores del Instituto Superior de Ingeniería de Software de Tandil (ISISTAN), quienes aplicaron técnicas estadísticas y de inteligencia artificial para analizar el contenido de cientos de miles de tuits y respuestas sobre COVID-19 generados en Argentina entre el 1 de marzo y el 31 de agosto de 2020.

Las redes sociales se convirtieron en parte importante de la vida diaria de millones de usuarios y propician que más personas tiendan a publicar o revelar cómo se sienten”, dice a Infobae la autora principal del proyecto, Antonela Tommasel, doctora en Ciencia de la Computación marplatense en el ISISTAN, una unidad ejecutora del Conicet que también depende de la Facultad de Ciencias Exactas de la Universidad Nacional del Centro de la Provincia de Buenos Aires (UNICEN).

De acuerdo con Tommasel, los mensajes en Twitter pueden ser una especie de ventana abierta para monitorear la tendencia de las emociones y los trastornos de salud mental en una población, incluyendo la de la mayoría que no utilizan esa red social. “En el volumen tenemos resultados que podrían ser representativos”, dice. El análisis de los tuits permitiría desde ajustar campañas de comunicación de los gobiernos hasta implementar políticas públicas tendientes a prevenir o mitigar el impacto psicológico de las crisis.

Antonela Tommasel, doctora en Ciencia de la Computación marplatense en el ISISTAN
Antonela Tommasel, doctora en Ciencia de la Computación marplatense en el ISISTAN

El lenguaje oral o escrito no solo es una herramienta para comunicarse u expresar cuestiones vinculadas con el intercambio con otros, sino que también da cuenta de cómo somos y qué nos pasa, incluso en aspectos que no nos son conscientes”, opina la psicóloga Analía Pesl (MN18772), integrante de la Asociación Argentina de Psicología y Psicoterapia de Grupo, quien no participó del trabajo.

Palabras y curvas

El primer tuit oficial del Ministerio de Salud de la Nación sobre COVID-19, lo que sería el kilómetro cero de una montaña rusa emocional, fue del 30 de enero de 2020. Desbordaba optimismo: “El ministro @ginesgonzalezgarcia informó que Argentina está preparada para la vigilancia, detección, diagnóstico y tratamiento del nuevo coronavirus”.

Bien al modo Twitter, que concentra el 40% del total de usuarios de redes sociales en Argentina, ese mensaje inaugural recibió casi un centenar de respuestas, desde algunas palabras de aliento (“Gracias ministro, confiamos en usted”) hasta irónicos emojis de carcajadas y prematuros insultos: “No hay controles en Ezeiza, ¡andá renunciando, inoperante!”.

Según describe Tommasel en un artículo en Medium, ese tuit inicial “produjo en la población una primera reacción o percepción sobre la crisis venidera. Conforme transcurrieron los meses y los tuits subsiguientes, dicha percepción fue variando en el tiempo acompañada por la manifestación de emociones positivas y negativas por parte de los usuarios”.

Armaron un “mapa visual” para ir viendo la evolución e intensidad de aparición de esas categorías de palabras a lo largo del tiempo (Shutterstock)
Armaron un “mapa visual” para ir viendo la evolución e intensidad de aparición de esas categorías de palabras a lo largo del tiempo (Shutterstock)

La base de la investigación consistió en crear léxicos: conjuntos de palabras que pueden estar agrupadas en diversas categorías y que, en este caso, se asociaron a emociones y sentimientos. Y que luego se fueron a rastrear y contabilizar en tiempo real en el maremágnum de palabras de los posteos, como un bibliotecario atareado que trata de clasificar libros por su género o temática y todos los días recibe donaciones de miles de obras sin ningún orden.

Para un primer análisis, sobre trastornos de la salud mental, Tommasel y sus colegas del ISISTAN (Andrés Díaz Pace, Juan Manuel Rodríguez y Daniela Godoy) revisaron la bibliografía y construyeron colecciones de 154 palabras relacionadas con “ansiedad”, tales como pánico, ataque, respiración, dolor o angustia; 173 asociadas con “estrés”, como intensidad, nerviosismo, tensión, trauma o distracción; y 223 vinculadas con “depresión”, como tristeza, aburrimiento, dolor, llorar, insomnio, impaciencia, abstinencia y fatiga.

Acto seguido, a partir de una base de 145 millones de tuits sobre COVID-19 generados en Argentina durante el periodo de análisis, los investigadores limpiaron los retuits, seleccionaron para el análisis decenas de miles de mensajes diarios y armaron un “mapa visual” para ir viendo la evolución e intensidad de aparición de esas categorías de palabras a lo largo del tiempo.

Lo que encontraron fue una tendencia de los trastornos (o, mejor dicho, de la proporción de palabras en tuits a partir de los cuales se inferían) que acompañaron tendencias de varias encuestas de salud mental. Y que, además, pudo relacionarse en algunos casos con episodios puntuales, como la suspensión de los vuelos o la flexibilización de algunas restricciones.

El estrés se movió de forma bastante parecida con la ansiedad y ambos crecieron a partir de marzo, con picos en los días posteriores a la confirmación de los primeros casos y antes de la primera suspensión de actividades. La depresión empezó a superar a la ansiedad desde principios de abril, con la primera extensión de la cuarentena, y tomó más fuerza en mayo”, señala Tommasel, quien también es investigadora del Conicet.

Tommasel y sus colegas del ISISTAN (Andrés Díaz Pace, Juan Manuel Rodríguez y Daniela Godoy) revisaron la bibliografía y construyeron colecciones de palabras (Shutterstock)
Tommasel y sus colegas del ISISTAN (Andrés Díaz Pace, Juan Manuel Rodríguez y Daniela Godoy) revisaron la bibliografía y construyeron colecciones de palabras (Shutterstock)

Lo más curioso, o preocupante, es que todas las categorías o trastornos crecieron tanto a partir de finales de junio (cuando ya había 100 días de cuarentena) que los investigadores dicen que fue imposible seguir haciendo un análisis comparativo de las fluctuaciones. Era como tratar de medir la altura de las mareas en medio de tsunami.

Predicción y después

Los investigadores de Tandil hicieron un análisis similar para reconstruir la dinámica de las emociones positivas y negativas, así como para identificar distintas fases de la respuesta a una crisis. Pero también se propusieron explorar si era posible anticipar, a partir de los datos recogidos, el comportamiento futuro en los distintos trastornos de salud mental.

Y lo consiguieron. Tommasel explica que los mejores resultados los obtuvieron con aprendizaje profundo, una modalidad de inteligencia artificial: después de un entrenamiento de siete días “leyendo” tuits, redes neuronales tuvieron una eficacia del 80% para predecir picos de ansiedad, estrés o depresión con una semana de anticipación. El trabajo fue presentado en el servidor de preimpresión ArXiv y enviado a publicación a la revista Information Discovery and Delivery.

En líneas generales, los autores creen que, más allá de los “microclimas” que pueden existir en Twitter, el trabajo reafirma que las redes sociales reflejan ciertos eventos y estados que se suceden en la realidad social. Y no solo eso: también pueden ayudar a pronosticarlos o proyectar tendencias futuras.

Podría tener utilidad para desplegar servicios de salud o campañas públicas específicas que aborden y mitiguen esos problemas
Podría tener utilidad para desplegar servicios de salud o campañas públicas específicas que aborden y mitiguen esos problemas

Tommasel explica también que, a diferencia de Facebook, más orientado a historias y familiares, Twitter es una red de mensajes cortos, dinámica, menos restrictiva para obtener los datos, que favorece los intercambios instantáneos en tiempo real y donde “importa más qué se comunica que quién lo hace”. “También es la red que más usan los entes de gobierno para informar o hacer anuncios”, añade. “Por lo que consideran que tiene importancia y que tiene efectos”.

¿Y no pueden influir en el análisis los trolls y otras estrategias deliberadas para manipular el público? En realidad, el caudal de tuits analizado es muy grande y se alimenta el sistema con datos durante varios días, por lo que el riesgo es bajo, opina Tommasel. Otras fuentes de sesgos podría ser la sobrerrepresentación de tuits desde la Ciudad y la Provincia de Buenos Aires, ciertos comportamientos o poses en las redes (“se miente bastante”, cree la psicóloga Pesl) y hasta el impacto que algunos trastornos psiquiátricos tienen sobre la actividad en las redes: un estudio español de 2019 constató, por ejemplo, que los pacientes con depresión tuitean algo menos que el resto.

Pero Tommasel cree que la herramienta, que debería contrastarse con nuevas encuestas en la población, podría tener utilidad para desplegar servicios de salud o campañas públicas específicas que aborden y mitiguen esos problemas, incluyendo el ajuste de mensajes para que no generen determinados sentimientos y emociones negativas (por ejemplo, usar “distanciamiento físico” en lugar de “distanciamiento social”, tal como recomendó UNICEF).

En una próxima etapa, los investigadores van a tratar de discriminar los mensajes según el perfil demográfico. “Hubo hallazgos muy interesantes, pero todavía nos quedan muchas preguntas”, expresa Tommasel.

SEGUIR LEYENDO:

Guardar