La Inteligencia Artificial explicable abra nuevas vías para la detección de la depresión a partir del lenguaje
🧠🤖 En salud mental, obtener una predicción no es suficiente: también necesitamos comprender cómo se ha generado.
Desde el grupo ALBA de la Universidad de León, en colaboración con el Departamento de Inteligencia Artificial de Xeridia, hemos desarrollado un método para estimar la gravedad de la depresión a partir de transcripciones de entrevistas clínicas.
En nuestro trabajo utilizamos grandes modelos de lenguaje para transformar el contenido de las entrevistas en diez variables interpretables, vinculadas con dimensiones clínicas del PHQ-8. A partir de ellas, un modelo de regresión calcula la puntuación estimada, mientras que SHAP permite conocer la influencia de cada variable en el resultado. 🔍
📊 La combinación de GPT-4o-mini y Ridge redujo hasta un 30 % el error frente a representaciones tradicionales como TF-IDF y Word2Vec. Además, identificamos los sentimientos de culpa y la ideación suicida entre los factores con mayor relevancia predictiva.
Nuestro estudio combina modelos de lenguaje, capacidad predictiva y explicaciones clínicamente comprensibles para avanzar hacia herramientas de inteligencia artificial más transparentes en el ámbito de la salud mental.
📄 Publicado en Applied Soft Computing
🔗 https://lnkd.in/euZ4B6hU
🤝 ALBA Research Group (Universidad de León) · Xeridia
