Un algoritmo de aprendizaje automático puede detectar signos de ansiedad y depresión en los patrones del habla de los niños pequeños. potencialmente proporcionando una manera rápida y fácil de diagnosticar condiciones que son difíciles de detectar y que a menudo se pasan por alto en los jóvenes, según una nueva investigación publicada en el Revista de informática biomédica y sanitaria .

Aproximadamente uno de cada cinco niños sufre ansiedad y depresión, colectivamente conocidos como "trastornos de internalización". Pero debido a que los niños menores de ocho años no pueden articular de manera confiable su sufrimiento emocional, los adultos necesitan poder inferir su estado mental, y reconocer posibles problemas de salud mental. Listas de espera para citas con psicólogos, problemas de seguros, y el hecho de que los padres no reconozcan los síntomas contribuyen a que los niños se pierdan un tratamiento vital.

"Necesitamos rápido, pruebas objetivas para detectar a los niños cuando están sufriendo, "dice Ellen McGinnis, un psicólogo clínico en el Centro para Niños de Vermont del Centro Médico de la Universidad de Vermont, Jóvenes y familias y autor principal del estudio. "La mayoría de los niños menores de ocho años no están diagnosticados".

El diagnóstico temprano es fundamental porque los niños responden bien al tratamiento mientras sus cerebros aún se están desarrollando. pero si no se tratan, corren un mayor riesgo de abuso de sustancias y suicidio en el futuro. El diagnóstico estándar implica una entrevista semiestructurada de 60 a 90 minutos con un médico capacitado y su cuidador principal. McGinnis, junto con el ingeniero biomédico de la Universidad de Vermont y autor principal del estudio Ryan McGinnis, ha estado buscando formas de utilizar la inteligencia artificial y el aprendizaje automático para que los diagnósticos sean más rápidos y fiables.

Los investigadores utilizaron una versión adaptada de una tarea de inducción del estado de ánimo llamada Trier-Social Stress Task, que tiene como finalidad provocar sentimientos de estrés y ansiedad en el sujeto. Se pidió a un grupo de 71 niños de entre tres y ocho años que improvisaran una historia de tres minutos, y les dijeron que serían juzgados en función de lo interesante que fuera. El investigador que actúa como juez se mantuvo severo durante todo el discurso, y dio solo comentarios neutrales o negativos. Después de 90 segundos, y de nuevo con 30 segundos restantes, sonaría un timbre y el juez les diría cuánto tiempo quedaba.

"La tarea está diseñada para ser estresante, y ponerlos en la mentalidad de que alguien los estaba juzgando, "dice Ellen McGinnis.

Los niños también fueron diagnosticados mediante una entrevista clínica estructurada y un cuestionario para padres. ambas formas bien establecidas de identificar los trastornos de internalización en los niños.

Los investigadores utilizaron un algoritmo de aprendizaje automático para analizar las características estadísticas de las grabaciones de audio de la historia de cada niño y relacionarlas con el diagnóstico del niño. Descubrieron que el algoritmo tenía mucho éxito en el diagnóstico de niños, y que la fase intermedia de las grabaciones, entre los dos timbres, fue el más predictivo de un diagnóstico.

"El algoritmo pudo identificar a los niños con un diagnóstico de trastorno de internalización con un 80% de precisión, y en la mayoría de los casos que se compara muy bien con la precisión de la lista de verificación de los padres, ", dice Ryan McGinnis. También puede dar los resultados mucho más rápidamente; el algoritmo requiere solo unos segundos de tiempo de procesamiento una vez que se completa la tarea para proporcionar un diagnóstico.

El algoritmo identificó ocho características de audio diferentes del habla de los niños, pero tres en particular se destacaron como altamente indicativos de internalización de trastornos:voces de tono bajo, con inflexiones y contenido repetibles del habla, y una respuesta más aguda al sorprendente timbre. Ellen McGinnis dice que estas características encajan bien con lo que podría esperar de alguien que sufre de depresión. "Una voz de tono bajo y elementos de habla repetibles reflejan lo que pensamos cuando pensamos en la depresión:hablar con una voz monótona, repitiendo lo que dices, "dice Ellen McGinnis.

La respuesta más aguda al timbre también es similar a la respuesta que encontraron los investigadores en su trabajo anterior. donde se encontró que los niños con trastornos de internalización exhibían una mayor respuesta de rechazo a un estímulo de miedo en una tarea de inducción de miedo.

El análisis de voz tiene una precisión similar en el diagnóstico al análisis de movimiento en ese trabajo anterior, pero Ryan McGinnis cree que sería mucho más fácil de usar en un entorno clínico. La tarea del miedo requiere una habitación a oscuras, serpiente de juguete, sensores de movimiento conectados al niño y una guía, mientras que la tarea de voz solo necesita un juez, una forma de grabar el habla y un timbre para interrumpir. "Esto sería más factible de implementar, " él dice.

Ellen McGinnis dice que el siguiente paso será desarrollar el algoritmo de análisis del habla en una herramienta de detección universal para uso clínico. quizás a través de una aplicación de teléfono inteligente que pueda registrar y analizar los resultados de inmediato. El análisis de voz también podría combinarse con el análisis de movimiento en una batería de herramientas de diagnóstico asistidas por tecnología, para ayudar a identificar a los niños en riesgo de ansiedad y depresión antes incluso de que sus padres sospechen que algo anda mal.