A Dra. Mónica Gracia, diretora internacional de Admissões da Fundação Universitária Iberoamericana (FUNIBER), e o Dr. Eduardo Silva, diretor executivo da Fundação na Guatemala, participam num estudo internacional, desenvolvendo um novo modelo de aprendizagem automática capaz de detectar ideias suicidas em publicações nas redes sociais com uma precisão superior à dos métodos tradicionais de aprendizagem profunda.
O estudo, intitulado «Suicide Ideation Detection Using Social Media Data and Ensemble Machine Learning Model», foi publicado recentemente na revista International Journal of Computational Intelligence Systems da Springer.
A investigação aborda uma questão crítica de saúde pública: a dificuldade de identificar precocemente pessoas em risco através de avaliações clínicas convencionais, que geralmente requerem muito tempo e a intervenção direta de especialistas. Diante do uso crescente de plataformas digitais para expressar mal-estar emocional, este estudo propõe uma solução automatizada que analisa a linguagem utilizada em fóruns para identificar sinais de alerta.
Os autores conceberam o Modelo de Votação Suave em Conjunto (SVEM). Este sistema não se baseia num único algoritmo, mas integra três classificadores poderosos: Random Forest, Regressão Logística e Descida de Gradiente Estocástico. Em vez de depender da decisão de um único algoritmo, o modelo utiliza um mecanismo de «votação suave». Isto significa que o sistema calcula a média das probabilidades previstas por cada um dos três algoritmos para chegar a uma conclusão final mais robusta e equilibrada, reduzindo drasticamente a margem de erro que um algoritmo individual teria.
O treinamento foi realizado com dados da plataforma Reddit, escolhida pelo anonimato que oferece, o que promove discussões mais honestas e profundas sobre saúde mental em subfóruns como «Suicide Watch» e «Depression». O modelo processa o texto por meio de uma engenharia de características híbrida: analisa a frequência de palavras-chave (TF-IDF) e usa o modelo «bag of words» para detectar padrões linguísticos, frases de desesperança e estruturas semânticas associadas ao risco iminente.
Resultados do modelo de deteção
Os resultados do estudo indicam que o modelo SVEM atingiu uma precisão de 94%, superando abordagens de aprendizagem profunda mais complexas, como as Redes Neuronais Convolucionais (CNN) e as redes de Memória de Curto e Longo Prazo (LSTM), que obtiveram precisões de 91% e 92%, respetivamente. Além de sua alta eficácia, o modelo proposto se destaca por sua menor complexidade computacional, o que facilita sua implementação em sistemas de monitoramento em tempo real, sem a necessidade de supercomputadores, facilitando sua integração em aplicações de saúde digital.
Um aspecto fundamental da pesquisa é a incorporação do LIME (Local Interpretable Model-agnostic Explanations), uma técnica que confere «explicabilidade» ao modelo. Esta ferramenta é fundamental para a prática clínica, pois abre a «caixa preta» da IA. O LIME destaca exatamente quais palavras ou fragmentos da mensagem (como «inútil», «acabar com tudo» ou «carga») ativaram o alerta. Isso permite que psiquiatras e psicólogos validem o diagnóstico da máquina, compreendendo o contexto e tomando decisões informadas e humanas.
Se quiser saber mais sobre este estudo, clique aqui.
Para ler mais pesquisas, consulte o repositório da UNEATLANTICO.
A Fundação Universitária Iberoamericana (FUNIBER) oferece bolsas de estudo para cursos académicos como o Mestrado em Gestão Estratégica em Engenharia de Software. Entre os benefícios de estudar na Rede Universitária Internacional da FUNIBER destacam-se o seu Programa de Bolsas de Estudo de ajuda financeira, uma metodologia de estudo à distância flexível que se adapta aos horários profissionais e a possibilidade de obter uma dupla titulação universitária.