ZMESC, 28/02/2024
Por Mihai Andrei
Detectar a depressão em seus estágios iniciais é um grande desafio.
A depressão é uma condição prevalente, mas frequentemente mal compreendida. Segundo a maioria das estimativas, afeta mais de 5% da população mundial. A depressão é caracterizada por sentimentos persistentes de tristeza, perda de interesse e mudanças de humor e comportamento; seu impacto é pessoal, mas esses impactos se estendem para as famílias e até para a sociedade como um todo. Muitas vezes, a depressão também é mal compreendida e não diagnosticada — por isso, diagnosticar a depressão precocemente é tão importante.
Com isso em mente, pesquisadores da Dartmouth desenvolveram o primeiro aplicativo de smartphone que combina inteligência artificial, e software de processamento de imagens faciais para detectar de forma confiável o início da depressão. De acordo com resultados preliminares, isso pode funcionar mesmo antes do usuário perceber que algo está errado.
A depressão é mais do que apenas se sentir triste. É uma condição médica séria normalmente caracterizada por emoções sombrias e uma infinidade de problemas emocionais e físicos. A depressão clínica pode durar meses ou até indefinidamente, prejudicando significativamente a capacidade do indivíduo de funcionar e desfrutar da vida.
Os pesquisadores da Dartmouth pensaram que poderia haver alguns sinais disso nas expressões faciais das pessoas. Dado o recente advento do software de processamento facial e da Inteligência Artificial (IA), parecia ser uma aposta boa.
Então eles embarcaram em um estudo com 177 pessoas diagnosticadas com transtorno depressivo maior.
Sinais de depressão
O aplicativo, chamado MoodCapture, baseia-se em pesquisas anteriores que começaram em 2015. Ele usa a câmera frontal do telefone para tirar fotos das expressões faciais das pessoas. Isso acontece enquanto as pessoas usam regularmente seus telefones, não sendo necessário nenhum uso especial. Na verdade, os participantes nem mesmo sabiam quando o aplicativo estava tirando fotos (algo ao qual consentiram).
"Nossa mudança para o projeto MoodCapture foi inspirada nas ideias iniciais obtidas ao explorar o uso das interações diárias do smartphone para avaliação da saúde mental", disse Subigya Nepal, co-autor do estudo, ao ZME Science.
Inicialmente, os pesquisadores observaram as emoções genuínas capturadas pelos smartphones durante os desbloqueios rotineiros. Isso gerou a ideia de analisar essas expressões para avaliar estados de saúde mental. Por enquanto, o MoodCapture não analisa as imagens diretamente no dispositivo, mas pode transferi-las para análise externa.
No geral, o aplicativo capturou 125.000 imagens dos participantes ao longo de 90 dias. Após o treinamento, o aplicativo identificou corretamente os sintomas de depressão com 75% de precisão.
"Esta é a primeira vez que imagens naturais 'na vida cotidiana' foram usadas para prever depressão", disse Andrew Campbell, autor correspondente do artigo e Professor da Terceira Década Albert Bradley de Ciência da Computação da Dartmouth. "Houve um movimento para a tecnologia digital de saúde mental, que acabará por desenvolver uma ferramenta que pode prever o humor em pessoas diagnosticadas com depressão maior de forma confiável e não intrusiva."
O aplicativo analisa coisas como o olhar, movimento dos olhos e posição da cabeça para procurar sinais de depressão.
"Identificamos sinais de depressão da seguinte forma. Primeiro, extraímos características que quantificam características específicas do rosto. Por exemplo, algumas características de referência indicam as coordenadas das bordas dos lábios do usuário. Em seguida, usamos essas características para treinar um modelo de aprendizado de máquina (Random Forest) para prever depressão. Finalmente, observamos que as características do lado direito do rosto são mais indicativas de sintomas depressivos. Essa assimetria está relacionada à forma como o usuário segura e interage com o telefone", acrescentou Nepal em um e-mail.
Mas não usa apenas análise facial para fazer sua conclusão. Ele correlaciona as pistas de análise facial com autorrelatos de se sentir deprimido ou triste, bem como fatores ambientais das fotos (coisas como cor, iluminação e número de pessoas na imagem).
O médico no seu bolso
Esta pesquisa faz parte de um movimento crescente na ciência médica que se concentra em smartphones, ou outros dispositivos, com os quais interagimos diariamente para diagnósticos precoces. Mesmo que não seja um dispositivo de grau médico, um smartphone vem com uma vantagem diferente: nós o usamos muito.
"As pessoas usam o software de reconhecimento facial para desbloquear seus telefones centenas de vezes por dia", disse Campbell, cujo telefone recentemente mostrou que ele havia feito isso mais de 800 vezes em uma semana.
"O MoodCapture usa um pipeline de tecnologia semelhante de reconhecimento facial com tecnologia de aprendizado profundo e IA, então há um potencial fantástico para ampliar essa tecnologia sem nenhum input ou ônus adicional para o usuário", disse ele. "Uma pessoa só desbloqueia seu telefone e o MoodCapture conhece suas dinâmicas de depressão e pode sugerir que procure ajuda."
Nicholas Jacobson, co-autor do estudo também na Dartmouth, diz que isso traz outra vantagem, especificamente para o diagnóstico de depressão. Os sintomas da depressão vêm e vão, e os médicos podem perder o melhor momento para o diagnóstico. Enquanto isso, nossos smartphones estão sempre conosco.
"Muitas de nossas intervenções terapêuticas para a depressão se concentram em longos períodos de tempo, mas essas pessoas experimentam altos e baixos em sua condição. As avaliações tradicionais perdem a maior parte do que é a depressão", disse Jacobson, que dirige o Laboratório de Inovação em Tecnologia e Saúde Mental (AIM HIGH) da Dartmouth.
"Nosso objetivo é capturar as mudanças nos sintomas que as pessoas com depressão experimentam em suas vidas diárias", disse Jacobson. "Se pudermos usar isso para prever e entender as mudanças rápidas nos sintomas da depressão, podemos, em última análise, evitá-las e tratá-las. Quanto mais no momento pudermos estar, menos profundo será o impacto da depressão."
Ainda alguns anos antes da prática clínica
O novo estudo funciona como uma prova de conceito, mostrando um promissor notável. As taxas de diagnóstico errado para a depressão são enormes, chegando a até 66% de acordo com alguns estudos. Ter mesmo um aplicativo imperfeito poderia ser uma dádiva para o diagnóstico precoce da depressão. Além disso, o aplicativo pode ser ajustado com os próprios dados pessoais dos usuários para melhorar ainda mais o desempenho.
"Atualmente, o MoodCapture é um modelo geral que não se adapta a um usuário específico. No entanto, estamos trabalhando em um estudo de acompanhamento que personaliza o MoodCapture para o usuário específico. Nossos resultados preliminares sugerem uma melhoria de 15% em relação ao desempenho atual e potencial para melhorar a justiça e a privacidade, o que aborda muitas preocupações de nossos participantes. Mais informações sobre isso em breve", diz Nepal.
Os pesquisadores estimam que ainda pode levar até 5 anos antes que a tecnologia chegue ao mercado.
No entanto, Nepal diz que já há um bom progresso. A ciência está lá — é apenas uma questão de aproveitar ao máximo os dados.
"Você não precisaria começar do zero — sabemos que o modelo geral é 75% preciso, então os dados de uma pessoa específica poderiam ser usados para ajustar o modelo. Os dispositivos nos próximos anos devem ser capazes de lidar facilmente com isso", disse Nepal. "Sabemos que as expressões faciais são indicativas do estado emocional. Nosso estudo é uma prova de conceito de que, quando se trata de usar a tecnologia para avaliar a saúde mental, elas são um dos sinais mais importantes que podemos obter."
Por enquanto, os pesquisadores estão trabalhando na melhoria do MoodCapture em três aspectos: personalização, justiça e privacidade.
"Em nossos próximos passos, estamos estendendo os modelos do MoodCapture para incorporar modelos sm personalizados semelhantes ao reconhecimento facial em smartphones. Nossos resultados preliminares sugerem uma melhoria de 15% em relação ao desempenho atual. O uso de modelos personalizados nos permite focar na justiça individual, ou seja, buscamos desenvolver modelos que tenham variação mínima de desempenho entre nossos usuários. Para melhorar a privacidade, exploraremos o aprendizado federado, onde as imagens faciais dos usuários não saem de seus dispositivos móveis", conclui Nepal.
A equipe publicou seu artigo no banco de dados de pré-impressões arXiv antes de apresentá-lo na conferência CHI 2024 da Association of Computing Machinery em maio.
Artigos recomendados: Biometria e Emoções
Nenhum comentário:
Postar um comentário