Los usuarios de Twitter con depresión y ansiedad tenían más probabilidades de publicar imágenes con valores estéticos más bajos y colores menos vivos, particularmente imágenes en escala de grises, según un nuevo estudio dirigido por investigadores de Penn Medicine. Además, encontraron 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, según recoge sciencedaily y comparte Paula Dumas para Periodista Digital.
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 tweets, 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 han sido», dijo el autor principal del estudio, Sharath Guntuku, PhD, científico 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 tweets 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.
