Modelo de IA Detecta Depressão em Conversas Naturais com 77% de Precisão

Pesquisadores do MIT desenvolveram uma rede neural que identifica automaticamente padrões depressivos a partir de áudio e texto brutos, sem perguntas predefinidas.

Como o Modelo Funciona

O algoritmo trata a fala como uma sequência de frames de áudio com carimbo temporal e palavras transcritas. Ele emprega uma arquitetura de modelagem de sequências profunda que analisa conjuntamente características acústicas (tom, energia, taxa de fala) e conteúdo linguístico. Por não depender de um questionário fixo, pode ser aplicado a quaisquer dados conversacionais, desde entrevistas clínicas até chamadas telefônicas cotidianas.

Os autores chamam isso de "modelagem livre de contexto" porque captura indicadores de depressão independentemente das perguntas específicas feitas.

Treinamento, Validação e Desempenho

O modelo foi treinado em 142 interações do Corpus de Entrevistas de Análise de Sofrimento (DAIC), que inclui áudio, vídeo e texto de conversas com participantes saudáveis e indivíduos diagnosticados com transtornos mentais.

A gravidade da depressão de cada sujeito foi quantificada usando a pontuação PHQ-9 (0–27). No estudo, 28 participantes foram classificados como deprimidos (pontuação ≥20). A rede foi avaliada em precisão e recall: alcançou 71% de precisão e 83% de recall, resultando em uma precisão geral de 77% — uma melhoria notável em relação a abordagens anteriores de IA que tipicamente ficavam em torno de 60–65% de precisão.

Limitações dos Métodos Tradicionais

Tradicionalmente, o Questionário de Saúde do Paciente (PHQ-9) é o padrão-ouro para triagem de depressão. Ele faz um conjunto fixo de nove perguntas sobre humor, sono, apetite e níveis de energia para calcular uma pontuação de 0 a 27, com pontuações acima de 20 indicando depressão severa.

Nos últimos anos, abordagens de aprendizado de máquina extraíram com sucesso marcadores da fala — entonação, velocidade de fala e escolhas lexicais específicas — sugerindo estados depressivos. No entanto, a maioria desses modelos depende de respostas ao PHQ-9 ou entrevistas estruturadas similares, limitando sua aplicabilidade em cenários reais.

Perspectivas Futuras

Trabalhos futuros estenderão a rede a outras condições, como demência, e explorarão os padrões acústico-linguísticos específicos que impulsionam suas previsões.

A longo prazo, a tecnologia poderia ser integrada a aplicativos móveis para monitorar passivamente a voz e o texto dos usuários em busca de sinais de sofrimento, oferecendo alertas precoces para aqueles que enfrentam barreiras no acesso a cuidados de saúde mental.

Referência: Conferência Interspeech | CSAIL/MIT

Leia: Estimulação Cerebral Pode Diminuir a Intenção de Uma Pessoa de Cometer um Ato Violento