Seguro que muchos consideráis que es fácil detectar el estado de ánimo de un amigo tan solo con echar un vistazo a su “timeline” en Facebook o en Twitter, que será así de sencillo como leer un “estoy triste” o “qué solo me encuentro”, pero el algoritmo que han descubierto un grupo de investigadores de la Universidad de Harvard va más allá.

Se trata de analizar cambios en el lenguaje, en la forma de expresarse, signos que pueden llegar a mostrar que la persona se encuentra al borde de caer en una fuerte depresión o de desarrollar un trastorno de estrés post traumático. Imaginad el éxito de las pruebas que han realizado, que aseguran que su técnica podría mejorar el tiempo de reacción entre 100 y 200 días antes de que se llegara a diagnosticar clínicamente una enfermedad mental.

Para poder dar con el algoritmo perfecto analizaron los mensajes de personas activas en redes sociales y que hubieran sido diagnosticadas con un fuerte caso de depresión. Así lo explica uno de los líderes del proyecto, Chris Danforth: “Gracias al análisis de un conjunto de sus mensajes en Twitter, creamos un algoritmo capaz de identificar las diferencias entre su comportamiento en la Red y el de otros usuarios que no habían sido diagnosticados. Nuestro hallazgo principal es que hay marcadores predictivos que distinguen a ambos grupos y suelen ser indicativos de un cercano diagnóstico por depresión”.

Entre los signos, se encuentra el uso de palabras que son consideradas negativas o de negación como “no”, “nunca” o “muerte” y un uso limitado de términos positivos como “feliz” o “foto”. Parece obvio que si una persona usa palabras negativas en la red será más fácil señalar que está pasando por un mal momento, pero según los investigadores, este análisis puede aportar más información a los médicos y ayudar a reaccionar con antelación: “Vemos esta técnica como una herramienta para que los doctores hagan un acercamiento inicial al paciente, siempre y cuando el paciente acepte que se analicen esos mensajes, por supuesto. Pero para que podamos ponerlo en prueba es necesario analizar un ratio de población mayor, que sea más representativo”, añade Danforth.

Fuente: DigitalTrends

Alberto Pascual García