¿Twitter puede predecir quién desarrollará la depresión posparto?

Fuente: Mika Heittola / Shutterstock

El nuevo campo de análisis de datos sociales nos proporciona más recursos que nunca antes para investigar los fenómenos sociales. Uno de mis ejemplos favoritos de cómo se aplica el nuevo campo de análisis de datos sociales es en un hermoso estudio de 2013 de Microsoft Research ^[1] . Al analizar los feeds de Twitter de las mujeres embarazadas, los investigadores pudieron predecir con un 80% de precisión si una mujer desarrollara depresión posparto.

Comenzaron reclutando cerca de 400 mujeres para participar. Desde Twitter, recopilaron datos, incluidos los textos de los tweets de las mujeres, sus favoritos y sus respuestas. Luego midieron cuatro tipos de comportamiento:

• Compromiso. Esto incluía la frecuencia con la que alguien tuiteaba, cuántos de esos tweets eran respuestas a otras personas y cuántos enlaces, retweets y preguntas publicaban.
• Redes sociales. En Twitter, esto es simplemente la cantidad de personas que se siguen y la cantidad de seguidores que alguien tiene.
• Emoción. Utilizando herramientas que analizaban los tipos de palabras que usan las personas, midieron las publicaciones de palabras que expresaban felicidad, tristeza, ansiedad, tristeza, etc.
• Estilo de lenguaje. Al profundizar en los detalles lingüísticos, estas medidas analizaron cosas como artículos, verbos auxiliares, pronombres y preposiciones en tweets. Estas palabras son interesantes porque no tienen el significado central de lo que estamos diciendo, pero tienden a variar entre las personas en función de su estado de ánimo, personalidad u otros rasgos. También son muy difíciles de controlar para nosotros porque los elegimos principalmente inconscientemente.

Después de crear una lista de atributos, las mujeres fueron monitoreadas para detectar signos de depresión posparto (PPD). Si bien el comportamiento de todas las mujeres cambió a lo largo de sus embarazos, las mujeres que pasaron a tener PPD cambiaron de diferentes maneras. Los investigadores construyeron modelos de computadora que utilizaron estas pequeñas diferencias. Esos modelos de computadora podrían ver el feed de Twitter de una persona y adivinar si desarrollaría PPD o no.

Usando solo datos de antes de que las mujeres dieran a luz, sus modelos podrían clasificar con precisión a las mujeres como propensas a desarrollar PPD o no, con aproximadamente el 70% de precisión. Sin embargo, PPD generalmente se desarrolla alrededor de un mes después de dar a luz. Cuando los investigadores agregaron en las primeras semanas después del parto, antes de que comenzaran a desarrollarse los síntomas de PPD , los algoritmos mejoraron aún más, alcanzando un 80% de precisión o más.

• Vivir una vida sin miedo
• Brainlock 101: cómo no podemos evitar quedar atrapados
• ¿Pueden los antidepresivos ayudar a prevenir la enfermedad de Alzheimer?
• Hizo su resolución de año nuevo? Lee esto
• La hipocresía perjudicial del movimiento "El Derecho a la Vida"

¿De qué manera cambió el comportamiento de las mujeres en Twitter? Las mujeres que desarrollaron PPD tendieron a disminuir su frecuencia de tweets y número de seguidores, así como el uso de los pronombres personales de segunda y tercera persona ("él", "ellos", "usted"), mientras que los que sí lo hicieron no desarrollar PPD en realidad aumentó en todas las categorías.

Por otro lado, las mujeres que desarrollan PPD tendían a hacer más preguntas mientras que las mujeres que no disminuían el número de preguntas que hacían.

La interesante visión científica es que todas estas son señales sutiles que no son expresiones directas de PPD. Significa que incluso si las mujeres intentan ocultar su condición potencial, es poco probable que puedan hacerlo con éxito, al menos desde el algoritmo.

• Utah declara la guerra a la epidemia pornográfica
• Mis cuatro grandes errores
• Cuatro tipos de depresión y auto-odio
• Salga de la depresión, entre en sus sentidos
• ¿La pornografía ayuda o daña en el dormitorio?

Como una herramienta de diagnóstico para los médicos, esta técnica es muy prometedora. No es invasivo y, con una precisión tan alta, podría ser una gran ayuda para señalar a las nuevas madres que podrían beneficiarse de un control y atención adicionales.

[1] De Choudhury, Munmun, Scott Counts y Eric Horvitz. "Predecir los cambios postparto en la emoción y el comportamiento a través de las redes sociales". Actas de la Conferencia SIGCHI sobre Factores Humanos en los Sistemas Informáticos. ACM, 2013.