Los colores de las imágenes de Twitter podrían ayudar a identificar a los usuarios con depresión y ansiedad

Los usuarios de Twitter con depresión y ansiedad son más proclives a publicar imágenes con valores estéticos más bajos y colores menos vivos, particularmente imágenes en escala de grises, lo que permitiría identificar a quienes padecen depresión o ansiedad, según un nuevo estudio dirigido por científicos norteamericanos.

Investigadores de Penn Medicine, de la Universidad de Pensilvania, en Estados Unidos, encontraron también que los usuarios tendían a suprimir las emociones positivas en lugar de mostrar más emociones negativas, como mantener una cara seria en lugar de fruncir el ceño, en sus fotos de perfil.

El estudio buscó utilizar la visión artificial y la inteligencia artificial para determinar qué cualidades de las fotos publicadas y configuradas como imágenes de perfil en Twitter podrían asociarse con la depresión y la ansiedad, con el objetivo de utilizar la plataforma como un método de detección de ambas. La investigación se presentará en la Conferencia Internacional AAAI sobre Web y Redes Sociales del 11 al 14 de junio en Munich.

En 2018, los investigadores de Penn Medicine encontraron que la depresión podía predecirse hasta tres meses antes de un diagnóstico mediante el uso de inteligencia artificial para identificar palabras clave que marcaban a ciertos usuarios. A medida que las redes sociales se centran cada vez más en la imagen (más de la mitad de todos los tuits, más de 3,000 por segundo, ahora contienen una imagen), el valor de obtener pistas sobre las condiciones de salud a través del contenido de la imagen será cada vez más valioso para la medicina.

"Si bien la asociación entre la depresión y los patrones de uso del lenguaje está bien estudiada, los aspectos visuales de la depresión no lo han sido tanto --señala el autor principal del estudio, Sharath Guntuku, investigador del Centro para la Salud Digital de Penn Medicine--. Es difícil transformar los píxeles que forman las imágenes en características interpretables, pero con los avances en los algoritmos de visión de computadora, ahora estamos intentando descubrir otra dimensión de la condición tal como se manifiesta en línea".

Los investigadores utilizaron algoritmos para extraer características como colores, expresiones faciales y diferentes medidas estéticas (como la profundidad de campo, la simetría y la iluminación) de imágenes publicadas por más de 4.000 usuarios de Twitter que aceptaron ser parte del estudio. Para clasificar rápidamente sus puntuaciones de depresión y ansiedad, analizaron los últimos 3.200 tuits de cada persona. Mientras tanto, 887 usuarios también completaron una encuesta tradicional para obtener puntajes de depresión y ansiedad. Luego, las características de la imagen se correlacionaron con las puntuaciones de depresión y ansiedad de los usuarios. De esto, surgieron varias relaciones significativas.

Además de encontrar una asociación entre la depresión y la ansiedad y los que publicaron fotos menos vívidas, los investigadores también descubrieron que las imágenes de perfil de los usuarios ansiosos están marcadas por la escala de grises y la baja cohesión estética, pero menos que las de los usuarios deprimidos. También había algo que interpretar en lo que no estaba incluido en las fotos. Así, los usuarios deprimidos a menudo publican fotos de sus propias caras sin familiares, amigos u otras personas que aparecen en ellos. Además, las publicaciones rara vez incluían las actividades recreativas o los intereses, que con mayor frecuencia aparecían en fotos de usuarios no deprimidos.

"La depresión a menudo se acompaña de 'afecto plano', que se caracteriza por una expresión reducida y una muestra de emoción --explica Guntuku--. La condición también tiene un costo en la atracción hacia pasatiempos o juegos, actividades en general, que normalmente se disfrutan".

Así, trabajan en el desarrollo de una versión más automatizada. "Esta herramienta está lejos de ser perfecta para ser utilizada para diagnósticar. Sin embargo, una herramienta de aprendizaje automático puede ser un método de bajo costo para los clínicos, con el permiso de sus pacientes, para monitorear sus cuentas y detectar niveles elevados de depresión o ansiedad", precisa Guntuku.

El autor principal del estudio, Lyle Ungar, profesor de Genómica y Biología Computacional y Psicología, que existen en grandes posibilidades para esta herramienta más allá de Twitter. "Algo como esto podría aplicarse también a Instagram y a los mensajes de texto. Esperamos que esto pueda dar una idea de las diferentes facetas de la depresión. Y también estamos observando una variedad de otras afecciones, desde la soledad hasta el TDAH", avanza.