Detecção precoce de transtornos de saúde mental a partir de publicações em redes sociais

• Ano de defesa: 2024
• Autor(a) principal: Nagamatu, Bruno Issamo Tagava
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Ansiedade; Anxiety; Depressão; Depression; Detecção precoce; Early risk prediction; Mental health; Redes sociais; Saúde mental; Social media
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/100/100131/tde-26112024-115052/

Transtornos de saúde mental, como depressão e ansiedade, são uma preocupação crescente na sociedade moderna. No Processamento de Linguagem Natural (PLN), textos provenientes de redes sociais têm sido amplamente utilizados para a detecção de transtornos de saúde mental por meio de métodos de aprendizado de máquina, que analisam todos os dados de autoria do usuário disponíveis. A série de desafios eRisk propõe uma abordagem alternativa, focada na detecção precoce de risco, ou seja, identificar um transtorno utilizando o menor volume possível de dados em uma sequência cronológica de postagens, como em uma timeline de rede social. Neste contexto, o presente estudo enfoca o problema a detecção precoce de transtornos de saúde mental nos moldes da série de desafios eRisk (originalmente voltado ao domínio de fóruns de discussão sobre saúde mental no idioma inglês) em uma rede social de propósito geral em português. De forma mais específica, propõe a adaptação de uma estratégia vencedora em diversas edições deste shared task para o caso da detecção precoce de depressão e transtorno de ansiedade no domínio do Twitter/X brasileiro, usando para este fim uma abordagem inédita baseada em LLMs com uso de engenharia de prompts. Estes modelos têm demonstrado potencial significativo em capturar nuances textuais complexas e, portanto, serão explorados como abordagem para a resolução do problema. Adicionalmente, métodos aprendizado de máquina e representação textual tradicionais, bem como modelo de língua pré-treinado BERT, serão utilizados como baselines para comparação. Também relacionado à rede social de propósito geral investigou-se a influência da proximidade das mensagens do momento do diagnóstico na ordem cronológica da timeline do Twitter/X na tarefa de detecção precoce de transtornos de saúde mental por meio da comparação entre da aplicação de LLMs tanto às mensagens mais recentes quanto a timeline completa.