Investigadores del MIT y del Child Mind Institute, una organización dedicada a la salud mental infantil, desarrollaron una herramienta que analiza conversaciones escritas para estimar niveles de riesgo de suicidio. El sistema detecta palabras y frases asociadas con factores conocidos y muestra qué señales contribuyeron a cada resultado, para que una persona pueda revisar la evaluación.
El estudio, publicado el 24 de septiembre en Journal of Psychopathology and Clinical Science, utilizó cerca de 16.000 conversaciones con consejeros de Crisis Text Line, una organización que ofrece apoyo por mensajes durante crisis de salud mental. Los investigadores accedieron a datos sin identificadores personales, bajo controles específicos y después de recibir formación para trabajar con ese material.
La herramienta sigue en etapa de investigación. Los resultados describen asociaciones entre el lenguaje y niveles de riesgo asignados en una línea de crisis; no prueban que el sistema evite suicidios ni que pueda sustituir una evaluación profesional.
Cómo construyó el MIT su diccionario de señales de riesgo
El equipo usó GPT-4 Turbo para generar un listado inicial de términos relacionados con 49 factores de riesgo. Después, especialistas clínicos revisaron y validaron el contenido. El diccionario final reunió aproximadamente 60 palabras o expresiones por factor, que sirvieron como base para entrenar un modelo más sencillo que un gran chatbot.
Las conversaciones se dividieron en tres grupos, según las evaluaciones de los consejeros. El primero no presentó riesgo suicida; el segundo incluyó pensamientos suicidas sin peligro inminente; el tercero correspondió a situaciones de riesgo inminente. El modelo aprendió a relacionar los términos del diccionario con esas categorías y se probó con conversaciones nuevas.
Las expresiones de ideación suicida activa y autolesión directa fueron indicadores más fuertes de riesgo inminente que la ideación pasiva o el ánimo deprimido. El hallazgo corresponde a ese conjunto de conversaciones, y no significa que la depresión deje de ser relevante ni que una palabra aislada determine lo que hará alguien.
En las comparaciones del estudio, el diccionario superó modestamente a otro repertorio de términos usado como referencia en análisis lingüístico y obtuvo resultados similares a algunos modelos de aprendizaje profundo.
Qué puede explicar el modelo y qué falta validar
Su diseño permite señalar las expresiones que influyeron en una estimación, además de entregar un nivel de riesgo. Daniel Low, quien desarrolló el trabajo durante su formación en el MIT y ahora investiga en el Child Mind Institute, explicó el objetivo. “Queríamos saber qué tipo de síntomas predicen el mayor riesgo de suicidio”, dijo a MIT News.
El diccionario tiene límites concretos. Puede omitir expresiones que no estén incluidas y no considera por sí solo el contexto de cada término. Ese problema también aparece al evaluar conversaciones sensibles, donde el significado depende de cómo se relacionan varios mensajes. Los autores pidieron más validación antes de cualquier uso clínico y ajustes cuando cambien el lenguaje o la población estudiada.
El equipo compartió el diccionario y el paquete de software construct-tracker para que otros investigadores puedan examinarlo y crear repertorios de términos para otros ámbitos. El repositorio ofrece archivos CSV y JSON y permite ejecutar los modelos basados en diccionarios en un computador local, sin una tarjeta gráfica especializada ni enviar necesariamente los textos a un servicio externo de Inteligencia Artificial.
