El suicidio es una causa importante de muerte en Israel y en todo el mundo, con aproximadamente un millón de suicidios anuales en todo el mundo, de los cuales unos 500 ocurren en Israel. Aunque no es una de las principales causas de muerte entre la población en general, es la causa número uno de los jóvenes menores de 24 años.
La ayuda social, psicológica y psiquiátrica son herramientas efectivas para prevenir los suicidios, pero solo se aplican en los casos en que el problema ha sido diagnosticado y la persona está recibiendo tratamiento. Por ello, es importante reconocer las tendencias suicidas en la población general. Se trata de un desafío extremadamente complejo ya que la información médica relacionada con la salud mental está protegida por protocolos de confidencialidad, y muchas personas en situación de riesgo no buscan ayuda.
En los últimos 50 años, se ha dedicado una gran cantidad de investigaciones al desarrollo de modelos para la detección temprana de personas con un riesgo real de suicidio. El problema es que hasta ahora estos modelos se basaban en métodos estadísticos tradicionales y proporcionaban predicciones tan precisas como las predicciones de nivel de azar.
Un nuevo estudio realizado por investigadores del Technion y la Universidad Hebrea augura un gran avance en este campo. Publicado en Scientific Reports, una revista del Nature Publishing Group, la investigación fue llevada a cabo por los científicos del Technion, el Profesor Roi Reichart, experto en procesamiento del lenguaje natural, el estudiante del doctorado Refael Tikochinski (psicología computacional) y el investigador postdoctoral Dr. Yaakov Ophir (psicología clínica, designación conjunta con la Universidad Hebrea) y, junto con los científicos de la Universidad Hebrea, la Profesora Christa Asterhan (Psicología Educativa) y el Dr. Itay Sisso (Cognición y Big Data).
Las herramientas desarrolladas por el grupo permiten la detección temprana de poblaciones en riesgo dentro de la población general, de modo que la detección no se limita a las personas que ya están siendo tratadas por problemas de salud mental. El sistema combina el aprendizaje automático y el procesamiento del lenguaje natural con herramientas teóricas y analíticas del ámbito de la psicología y la psiquiatría, y utiliza redes neuronales en capas.
Según el Prof. Reichart, "ahora entendemos que la detección de tendencias suicidas no puede depender únicamente de expresiones explícitas de angustia (como: "Quiero morir") o de registros médicos oficiales, como los datos fisiológicos de escáneres cerebrales, evaluaciones psiquiátricas y otros datos de los archivos médicos. Los intentos de predecir los intentos de suicidio basados en datos demográficos, psicológicos y médicos no han tenido particular éxito a pesar de cinco décadas de investigación intensiva. Por lo tanto, nos dimos cuenta de que teníamos que abordar el desafío desde diferentes direcciones simultáneamente.”
Según el Dr. Ophir, la idea de la investigación nació después de la trágica muerte de David-El Mizrachi, un joven de 16 años que se suicidó porque fue acosado en línea y en persona. "Rápidamente se hizo evidente que para detectar las tendencias suicidas lo suficientemente temprano se requiere una investigación interdisciplinaria que incluya a investigadores de diferentes campos. Así es como se formó este grupo multiuniversitario y multidisciplinario.”
Los investigadores descubrieron que las personas con tendencias suicidas reales, rara vez utilizan palabras explícitamente alarmantes en sus publicaciones (como "muerte", "asesinato" o "suicidio"). Con mayor frecuencia, utilizan palabras descriptivas negativas ("malo", "peor"), palabras de maldición ("f***ing", "b**ch"), expresiones de angustia emocional ("triste", "herido", "llorar", "loco") y descripciones de estados fisiológicos negativos ("enfermo", "dolor", "cirugía", "hospital"). Las personas que no tienen tendencias suicidas tienden a expresar emociones y experiencias más positivas, y más referencias a la religión y a las perspectivas positivas sobre la vida, una correlación que coincide con muchos estudios que identificaron estos factores como representativos de la inmunidad a la angustia mental y emocional.
En total, los investigadores analizaron más de 80.000 mensajes de Facebook escritos por adultos en los Estados Unidos, comparando sus patrones de uso del lenguaje con sus puntuaciones en una amplia gama de índices psicológicos válidos. "El poder del algoritmo basado en el procesamiento del lenguaje natural radica en su capacidad para analizar enormes cantidades de pistas lingüísticas, algo que los humanos no pueden hacer", explicó Refael Tikochinski. "En este proyecto, integramos el modelo de redes neuronales basado en la atención de vanguardia para la representación de texto, con redes neuronales en capas para la clasificación.”
La Profesora Asterhan agregó que "esta investigación tiene aplicaciones muy importantes para identificar a las personas en riesgo y proporcionarles ayuda a tiempo. Además, demuestra la fuerza de la intensa colaboración multidisciplinaria y de la combinación de conocimientos avanzados de las ciencias sociales y las ciencias de los datos. Por un lado, el uso de técnicas computacionales avanzadas ha abierto nuevas oportunidades de investigación en las ciencias sociales que hasta ahora no eran posibles. Por otro lado, la mejora sustancial de las tasas de precisión se obtuvo cuando se incorporaron conocimientos y datos psicopatológicos en los modelos computacionales.”
"Tengo un problema con los clichés", concluyó el Dr. Ophir, "pero en este caso creo que, a fin de cuentas, el avance que logramos es capaz de salvar vidas. Espero que esta investigación sea un presagio de esperanza en el campo de la salud mental.”