Leia atentamente o texto a seguir para responder às questões de 1 a 10.

Cientistas usam inteligência artificial e Twitter para medir risco de depressão e ansiedade

A linguagem que usamos nas redes sociais pode virar

um indicativo de como anda a nossa saúde mental – e as

máquinas seriam capazes de encontrar padrões e sinais

precoces de quadros como ansiedade e depressão.

5 Essa é a premissa de um trabalho que está em

andamento na Escola de Artes, Ciências e Humanidades da

Universidade de São Paulo (EACH-USP).

Por lá, um grupo de pesquisadores está construindo

um algoritmo capaz de analisar perfis do Twitter e buscar

10 algumas pistas que sugerem transtornos psiquiátricos.

O trabalho, que está nas fases preliminares, já

construiu uma base de dados que ganhou o nome de

SetembroBR – uma homenagem dupla ao Setembro

Amarelo, campanha de prevenção do suicídio que ocorre

15 todos os anos, e ao mês em que o projeto se iniciou.

O cientista da computação Ivandré Paraboni,

coordenador do projeto, explica que a base de dados

reúne informações de 3,9 mil usuários do Twitter que

afirmam terem recebido o diagnóstico de depressão ou

20 ansiedade.

Os pesquisadores compilaram as redes de conexões

desses perfis e todo o conteúdo em texto compartilhado

por eles na rede social – o que totaliza cerca de 47 milhões

de pequenos textos de até 280 caracteres.

25 Todo esse material foi comparado ao de um outro

grupo de usuários do Twitter escolhidos de forma

aleatória, que não demonstravam ter passado por uma

avaliação médica sobre saúde mental ou estarem fazendo

algum tratamento contra transtornos psiquiátricos.

30 "É claro que, no meio desse universo, podem ter

indivíduos que mentiram ou que omitiram essas

informações. Mas, como a base de dados é grande,

estimamos que esses falsos positivos ou falsos negativos

sejam poucos", pondera Paraboni, que também é

35 pesquisador associado do Centro de Inteligência Artificial,

um instituto de engenharia mantido pela Fundação de

Amparo à Pesquisa do Estado de São Paulo (Fapesp) e pela

IBM Brasil.

Essa verdadeira biblioteca de posts foi anonimizada –

40 ou seja, os pesquisadores apagaram as referências à

identidade dos usuários que escreveram os textos (como

nomes próprios e de usuário), por uma questão de

privacidade.

A primeira tarefa do projeto foi a de "garimpar" toda

45 essa base de dados para remover hashtags (palavras-chave

precedidas pelo símbolo #), menções a outras contas (que

aparecem com um @), caracteres fora do padrão e

hiperlinks.

Depois, os dois grupos foram comparados. Além de

50 avaliar os textos compartilhados pelo Twitter, os

pesquisadores também conseguiram analisar a rede de

contatos dos usuários, incluindo as contas que cada um

deles segue.

Paraboni ressalta a importância de fazer uma

55 iniciativa como essa em língua portuguesa.

"Já existem outros estudos desse tipo feitos no

exterior, mas eles analisam prioritariamente o conteúdo

em inglês", explica.

E, claro, existe uma série de particularidades culturais

60 e linguísticas – os padrões que se aplicam nesses países

podem ser completamente diferentes do que é comum no

Brasil, entre falantes do português.

"Alguém precisa desenvolver essa infraestrutura

computacional, para que nós tenhamos acesso a essas

65 ferramentas adaptadas para o português", complementa

o pesquisador.

Os modelos encontraram alguns padrões iniciais, que

podem indicar uma propensão a doenças como ansiedade

e depressão.

70 O primeiro deles é uma maior frequência de

postagens sobre si mesmo observada no grupo que

declarava ter transtornos psiquiátricos – por exemplo, com

a utilização de verbos e pronomes "eu", "me", "mim" – na

primeira pessoa.

75 Outra constatação foi a de que esses indivíduos

recorrem bastante a emojis e símbolos gráficos que

simbolizam o coração.

Além disso, temas como morte, crise e psicologia

também são mais comuns nessas contas.

80 Para completar, indivíduos com ansiedade ou

depressão tendem a seguir outras páginas e usuários que

tratem do tema – por exemplo, grupos de pacientes ou o

perfil de uma celebridade que anunciou um diagnóstico

recente de um desses transtornos.

85 "É importante explicar que os padrões encontrados

pelos modelos de aprendizagem profunda podem ser

literalmente qualquer coisa", destaca Paraboni.

"A forma como a pessoa se expressa nas redes sociais

não é necessariamente igual ao jeito que ela fala na vida

90 real ou no consultório do psiquiatra", complementa.

Ou seja, é possível que postagens em mídias sociais

como o Twitter revelem traços e características diferentes

daquelas que aparecem durante uma avaliação formal

com um médico.

95 "A maioria dos padrões que encontramos são

abstratos e não há uma explicação para eles nas teorias da

psicologia", ressalta Paraboni.

Ou seja, pode até ser relativamente fácil especular os

motivos que fazem alguém com ansiedade ou depressão

100 falar mais sobre si, até porque isso também é observado

durante o contato com um profissional da saúde.

Porém, outros aspectos e comportamentos, como

distribuir símbolos de coração ou seguir contas com a

mesma temática, não são coisas que vão aparecer tão

105 facilmente durante o diálogo no consultório.

Agora que as primeiras versões do modelo de

inteligência artificial do SetembroBR já foram criadas, o

grupo de especialistas da EACH-USP começa a planejar os

próximos passos do projeto.

110 Uma das metas é ampliar a base de dados que será

avaliada e refinar as técnicas de aprendizado profundo,

para que os resultados melhorem e as análises se tornem

mais precisas.

Questionado pela BBC News Brasil se a meta é fazer

115 com que essa ferramenta seja capaz de diagnosticar casos

de ansiedade e depressão no futuro, Paraboni pede

cuidado.

"Essa é uma das áreas mais perigosas quando

pensamos no uso dessas novas tecnologias", pondera.

120 "Ninguém quer ser diagnosticado erroneamente ou,

pelo contrário, ver um quadro como depressão ou

ansiedade passar despercebido."

"Eu prefiro ver essas bases de dados mais como um

complemento, um auxílio, ou um primeiro indicativo de

125 que a pessoa pode estar com alguma questão de saúde

mental."

O cientista da computação antevê que o trabalho

possa servir, daqui a alguns anos, para alertar os pais

quando o filho estiver enfrentando algum problema.

130 "Quem sabe isso não possa virar uma ferramenta que

analise as redes sociais de crianças e adolescentes e ajude

a indicar alguma questão comportamental que mereça

atenção e a avaliação de um profissional da saúde?",

especula.

135 A junção de inteligência artificial, redes sociais e

saúde mental não poderia vir num momento mais

oportuno.

Primeiro, nunca se falou tanto sobre aprendizado de

máquinas quanto agora, momento em que ferramentas

140 como o Chat GPT chegam ao público e provocam grandes

discussões na sociedade.

Segundo, o uso das mídias sociais segue em alta – e o

Brasil é o terceiro país com o maior número de usuários

ativos dessas plataformas em todo o mundo, atrás apenas

145 de Índia e Indonésia.

De acordo com um levantamento publicado em

março pela Comscore, os brasileiros mantêm 131 milhões

de contas ativas nas redes sociais e passam 46 horas (ou

quase dois dias inteiros) do mês mexendo em YouTube,

150 Instagram, Twitter, TikTok e afins.

Para completar, os transtornos psiquiátricos também

estão em ascensão. A Organização Mundial da Saúde

(OMS) estima que a depressão afeta 3,8% da população

(ou 280 milhões de pessoas).

155 A entidade também aponta que esses números

cresceram ainda mais nos últimos anos: houve um

aumento de 25% na prevalência de ansiedade e depressão

desde o início da pandemia de covid-19.

(BBC News Brasil. https://www1.folha.uol.com.br/equilibrio/2023/04/cientistas-usam-inteligencia-artificial-e-twitter-para-medir-risco-de-depressao-e-ansiedade.shtml.)