Entre el 5 y el 7 de diciembre se realizó, en Concepción, el LXXIX Congreso de la Sociedad Chilena de Neurología, Psiquiatría y Neurocirugía, SONEPSYN, bajo el lema “Herencia Académica Interdisciplinaria”.
El equipo conformado por el investigador joven Álvaro Jiménez, la investigadora adjunta Vania Martínez, la estudiante de doctorado Daniela Lira, junto a Alexi Venegas, Rigoberto Rojas, Nicolás Muñoz y Mario Chandía, presentó: “Desarrollo y evaluación de un modelo de procesamiento de lenguaje natural para la detección del riesgo suicida (Rigobert)”, que recibió el premio al mejor trabajo libre en la sección de psiquiatría.
“Las personas en riesgo de suicidio a menudo tienen dificultades para compartir sus pensamientos con seres queridos o profesionales, pero suelen expresarse a través de mensajes de texto en internet. Estos textos pueden ser utilizados para detectar oportunamente el riesgo suicida mediante modelos de aprendizaje automático”, explica Álvaro Jiménez.
El objetivo de este estudio fue desarrollar y evaluar el desempeño de un modelo de aprendizaje automático basado en procesamiento de lenguaje natural (NLP) para detectar ideación suicida en textos. Mediante un enfoque interdisciplinario, que involucró a ingenieros expertos en inteligencia artificial y profesionales de la salud mental, se desarrolló RIGOBERT, un algoritmo diseñado para identificar patrones lingüísticos asociados a la ideación suicida. Este modelo utiliza métodos basados en BERT, una técnica avanzada de NLP que permite interpretar palabras en su contexto lingüístico. Se evaluó la precisión, sensibilidad y especificidad del modelo utilizando miles de mensajes extraídos de redes sociales, algunos de los cuales expresaban ideación suicida. Los resultados indican que RIGOBERT logra una alta precisión en la identificación de ideación suicida. El equipo de invstigación concluye que este modelo tiene el potencial de mejorar las estrategias de prevención del suicidio en redes sociales y podría implementarse en otros contextos, como sistemas de asistencia en crisis mediante chat.
