Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Un experto en aprendizaje autom\u00e1tico y un investigador\/cl\u00ednico en psicolog\u00eda pueden parecer un d\u00fao poco probable. Pero Rosalind Picard del MIT y Paola Pedrelli del Hospital General de Massachusetts est\u00e1n unidas por la creencia de que la inteligencia artificial puede ayudar a que la atenci\u00f3n de la salud mental sea m\u00e1s accesible para los pacientes. <\/p>\n
En sus 15 a\u00f1os como cl\u00ednica e investigadora en psicolog\u00eda, Pedrelli dice que \u00abha sido muy, muy claro que existen una serie de barreras para que los pacientes con trastornos de salud mental accedan y reciban la atenci\u00f3n adecuada\u00bb. Esas barreras pueden incluir averiguar cu\u00e1ndo y d\u00f3nde buscar ayuda, encontrar un proveedor cercano que acepte pacientes y obtener recursos financieros y transporte para asistir a las citas. <\/p>\n
Pedrelli es profesor asistente de psicolog\u00eda en la Escuela de Medicina de Harvard y director asociado del Programa Cl\u00ednico y de Investigaci\u00f3n de la Depresi\u00f3n en el Hospital General de Massachusetts (MGH). Durante m\u00e1s de cinco a\u00f1os, ha estado colaborando con Picard, profesor de artes y ciencias de los medios del MIT e investigador principal de la Cl\u00ednica Abdul Latif Jameel del MIT para el aprendizaje autom\u00e1tico en salud (Cl\u00ednica Jameel) en un proyecto para desarrollar algoritmos de aprendizaje autom\u00e1tico para ayudar a diagnosticar y monitorear los cambios en los s\u00edntomas entre los pacientes con trastorno depresivo mayor.<\/p>\n
El aprendizaje autom\u00e1tico es un tipo de tecnolog\u00eda de IA donde, cuando la m\u00e1quina recibe muchos datos y ejemplos de buen comportamiento (es decir, qu\u00e9 salida producir cuando ve una entrada en particular), puede ser bastante bueno para realizar una tarea de forma aut\u00f3noma. Tambi\u00e9n puede ayudar a identificar patrones que son significativos, que los humanos quiz\u00e1s no hubieran podido encontrar tan r\u00e1pido sin la ayuda de la m\u00e1quina. Usando dispositivos port\u00e1tiles y tel\u00e9fonos inteligentes de los participantes del estudio, Picard y Pedrelli pueden recopilar datos detallados sobre la conductancia y la temperatura de la piel de los participantes, la frecuencia card\u00edaca, los niveles de actividad, la socializaci\u00f3n, la evaluaci\u00f3n personal de la depresi\u00f3n, los patrones de sue\u00f1o y m\u00e1s. Su objetivo es desarrollar algoritmos de aprendizaje autom\u00e1tico que puedan absorber esta enorme cantidad de datos y hacer que sea significativo identificar cu\u00e1ndo un individuo puede tener dificultades y qu\u00e9 podr\u00eda serle \u00fatil. Esperan que sus algoritmos eventualmente proporcionen a los m\u00e9dicos y pacientes informaci\u00f3n \u00fatil sobre la trayectoria de la enfermedad individual y el tratamiento efectivo.<\/p>\n
\u00abEstamos tratando de construir modelos sofisticados que tengan la capacidad no solo de aprender lo que es com\u00fan entre las personas , sino para aprender categor\u00edas de lo que est\u00e1 cambiando en la vida de un individuo\u00bb, dice Picard. \u00abQueremos brindarles a las personas que lo deseen la oportunidad de tener acceso a informaci\u00f3n basada en evidencia y personalizada, y que marque una diferencia para su salud\u00bb.<\/p>\n
Aprendizaje autom\u00e1tico y salud mental<\/p>\n
Picard se uni\u00f3 al MIT Media Lab en 1991. Tres a\u00f1os despu\u00e9s, public\u00f3 un libro, \u00abAffective Computing\u00bb, que impuls\u00f3 el desarrollo de un campo con ese nombre. La computaci\u00f3n afectiva es ahora un \u00e1rea s\u00f3lida de investigaci\u00f3n relacionada con el desarrollo de tecnolog\u00edas que pueden medir, sentir y modelar datos relacionados con las emociones de las personas. <\/p>\n
Si bien las primeras investigaciones se centraron en determinar si el aprendizaje autom\u00e1tico podr\u00eda usar datos para identificar la emoci\u00f3n actual de un participante, el trabajo actual de Picard y Pedrelli en la Cl\u00ednica Jameel del MIT va varios pasos m\u00e1s all\u00e1. Quieren saber si el aprendizaje autom\u00e1tico puede estimar la trayectoria del trastorno, identificar cambios en el comportamiento de un individuo y proporcionar datos que informen la atenci\u00f3n m\u00e9dica personalizada. <\/p>\n
Picard y Szymon Fedor, un cient\u00edfico investigador del laboratorio de computaci\u00f3n afectiva de Picard, comenzaron a colaborar con Pedrelli en 2016. Despu\u00e9s de realizar un peque\u00f1o estudio piloto, ahora est\u00e1n en el cuarto a\u00f1o de su programa financiado por los Institutos Nacionales de la Salud. , estudio de cinco a\u00f1os. <\/p>\n
\u00abMejora de la precisi\u00f3n del aprendizaje autom\u00e1tico personalizado para monitorear la depresi\u00f3n\u00bb <\/p>\n
Para llevar a cabo el estudio, los investigadores reclutaron a participantes del MGH con trastorno depresivo mayor que recientemente cambiaron su tratamiento. Hasta el momento, 48 participantes se han inscrito en el estudio. Durante 22 horas al d\u00eda, todos los d\u00edas durante 12 semanas, los participantes usan pulseras Empatica E4. Estas pulseras port\u00e1tiles, dise\u00f1adas por una de las empresas que fund\u00f3 Picard, pueden recoger informaci\u00f3n sobre datos biom\u00e9tricos, como la actividad electrod\u00e9rmica (piel). Los participantes tambi\u00e9n descargan aplicaciones en sus tel\u00e9fonos que recopilan datos sobre mensajes de texto y llamadas telef\u00f3nicas, ubicaci\u00f3n y uso de aplicaciones, y tambi\u00e9n les piden que completen una encuesta de depresi\u00f3n quincenal. <\/p>\n
Todas las semanas, los pacientes consultan con un m\u00e9dico que eval\u00faa sus s\u00edntomas depresivos. <\/p>\n
\u00abPonemos todos los datos que recopilamos del dispositivo port\u00e1til y del tel\u00e9fono inteligente en nuestro algoritmo de aprendizaje autom\u00e1tico, y tratamos de ver qu\u00e9 tan bien el aprendizaje autom\u00e1tico predice las etiquetas dadas por los m\u00e9dicos\u00bb, dice Picard. \u00abEn este momento, somos bastante buenos para predecir esas etiquetas\u00bb. <\/p>\n
Empoderar a los usuarios<\/p>\n
Si bien el desarrollo de algoritmos de aprendizaje autom\u00e1tico efectivos es un desaf\u00edo al que se enfrentan los investigadores, dise\u00f1ar una herramienta que empodere y eleve a sus usuarios es otro. Picard dice: \u00abLa pregunta en la que realmente nos estamos enfocando ahora es, una vez que tenga los algoritmos de aprendizaje autom\u00e1tico, \u00bfc\u00f3mo va a ayudar eso a las personas?\u00bb <\/p>\n
Picard y su equipo est\u00e1n pensando cr\u00edticamente sobre c\u00f3mo los algoritmos de aprendizaje autom\u00e1tico pueden presentar sus hallazgos a los usuarios: a trav\u00e9s de un nuevo dispositivo, una aplicaci\u00f3n para tel\u00e9fonos inteligentes o incluso un m\u00e9todo para notificar a un m\u00e9dico o familiar predeterminado de la mejor manera de apoyar al usuario. <\/p>\n
Por ejemplo, imagine una tecnolog\u00eda que registre que una persona recientemente ha estado durmiendo menos, permaneciendo m\u00e1s tiempo dentro de su casa y tiene un ritmo card\u00edaco m\u00e1s r\u00e1pido de lo habitual. Estos cambios pueden ser tan sutiles que la persona y sus seres queridos a\u00fan no los hayan notado. Los algoritmos de aprendizaje autom\u00e1tico pueden dar sentido a estos datos, asign\u00e1ndolos a las experiencias pasadas del individuo y las experiencias de otros usuarios. Entonces, la tecnolog\u00eda puede alentar a la persona a participar en ciertos comportamientos que han mejorado su bienestar en el pasado, o a comunicarse con su m\u00e9dico. <\/p>\n
Si se implementa incorrectamente, es posible que este tipo de tecnolog\u00eda pueda tener efectos adversos. Si una aplicaci\u00f3n alerta a alguien de que se dirige hacia una depresi\u00f3n profunda, podr\u00eda ser informaci\u00f3n desalentadora que conduce a m\u00e1s emociones negativas. Pedrelli y Picard est\u00e1n involucrando a usuarios reales en el proceso de dise\u00f1o para crear una herramienta que sea \u00fatil, no da\u00f1ina.<\/p>\n
\u00abLo que podr\u00eda ser efectivo es una herramienta que pudiera decirle a un individuo: \u00abLa raz\u00f3n por la que se siente deprimido podr\u00eda Si los datos relacionados con tu sue\u00f1o han cambiado, y los datos se relacionan con tu actividad social, y no has tenido tiempo con tus amigos, tu actividad f\u00edsica se ha reducido. La recomendaci\u00f3n es que encuentre una manera de aumentar esas cosas'\u00bb, dice Picard. El equipo tambi\u00e9n est\u00e1 priorizando la privacidad de los datos y el consentimiento informado.<\/p>\n
La inteligencia artificial y los algoritmos de aprendizaje autom\u00e1tico pueden establecer conexiones e identificar patrones en grandes conjuntos de datos que los humanos no son tan buenos para notar, dice Picard. \u00abCreo que hay un caso realmente convincente para que la tecnolog\u00eda ayude a las personas a ser m\u00e1s inteligentes con las personas\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
Los cient\u00edficos podr\u00edan descubrir leyes f\u00edsicas m\u00e1s r\u00e1pido utilizando una nueva t\u00e9cnica de aprendizaje autom\u00e1tico Proporcionado por el Instituto Tecnol\u00f3gico de Massachusetts <\/p>\n
Esta historia se vuelve a publicar por cortes\u00eda de MIT News (web.mit.edu\/newsoffice\/), un sitio popular que cubre noticias sobre investigaci\u00f3n, innovaci\u00f3n y ense\u00f1anza del MIT. <\/p>\n
Cita<\/strong>: Implementaci\u00f3n del aprendizaje autom\u00e1tico para mejorar la salud mental (27 de enero de 2022) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-01-deploying-machine-mental-health .html Este documento est\u00e1 sujeto a derechos de autor. De cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico Un experto en aprendizaje autom\u00e1tico y un investigador\/cl\u00ednico en psicolog\u00eda pueden parecer un d\u00fao poco probable. Pero Rosalind Picard del MIT y Paola Pedrelli del Hospital General de Massachusetts est\u00e1n unidas por la creencia de que la inteligencia artificial puede ayudar a que la atenci\u00f3n de la salud mental sea m\u00e1s … Continuar leyendo \u00abImplementaci\u00f3n del aprendizaje autom\u00e1tico para mejorar la salud mental\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-5798","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5798","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=5798"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/5798\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=5798"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=5798"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=5798"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}