Cuando las personas acuden durante una crisis de salud mental, una de las principales prioridades de los consejeros es identificar a aquellas personas con un alto riesgo de suicidio. El lenguaje de la persona angustiada contiene pistas críticas, y una nueva herramienta desarrollada por científicos del Instituto McGovern para la Investigación del Cerebro del MIT está diseñada para captar y evaluar rápidamente esas señales.
La herramienta de procesamiento del lenguaje fue desarrollada por Daniel Low, un ex estudiante de posgrado en el Senseable Intelligence Group de la científica investigadora senior Satra Ghosh, quien ahora es científico investigador en el Child Mind Institute, donde dirige su laboratorio de inteligencia artificial, riesgo y ciencia contemplativa, así como académico visitante en la Universidad de Harvard. Utiliza una lista personalizada de palabras y frases vinculadas a 49 factores de riesgo de suicidio, buscándolos en texto y utilizándolos para estimar el riesgo de un individuo.
Ghosh, Low y sus colegas informan hoy en el Journal of Psychopathology and Clinical Science que su herramienta predice con precisión el riesgo de suicidio a partir de conversaciones de texto con consejeros de crisis. Ya está ayudando a aclarar qué factores de riesgo de suicidio son más importantes en tiempos de crisis. Con una mayor validación, podría ayudar con la evaluación de riesgos en entornos clínicos y situaciones de apoyo a crisis.
Identificación de factores de riesgo clave
Los intentos de suicidio son muy difíciles de predecir. Se han relacionado docenas de factores de riesgo con el suicidio, e incluso los médicos capacitados luchan por identificar quién intentará intentarlo entre aquellos que tienen algún tipo de ideación suicida. Entre los factores que pueden aumentar la probabilidad de pensamientos y conductas suicidas se encuentran ciertos síntomas y trastornos psiquiátricos, como la depresión, el trastorno límite de la personalidad y el trastorno de estrés postraumático, así como factores estresantes ambientales y sociales, como la pobreza, el encarcelamiento, la discriminación y la soledad.
“Ves todos estos 50 factores de riesgo, y todos interactúan de maneras que realmente no entendemos”, dice Low. “Muchos caminos diferentes pueden llevar a alguien a sentir que quiere escapar de su dolor interno”, dice, y es un desafío saber cuál camino conducirá a un intento de suicidio o a la muerte.
Ghosh y Low querían comprender qué factores de riesgo deberían tener más en cuenta los consejeros y médicos durante una crisis de salud mental. Para ello, colaboraron con Crisis Text Line, cuyos voluntarios capacitados brindan apoyo confidencial mediante mensajes de texto a personas en peligro.
Crisis Text Line, una organización mundial de salud mental sin fines de lucro que brinda apoyo de salud mental confidencial, gratuito, las 24 horas del día, los 7 días de la semana a personas necesitadas, brindó capacitación especializada y acceso controlado a este conjunto de datos restringido. Los investigadores analizaron textos no identificados de aproximadamente 16.000 conversaciones con consejeros voluntarios de crisis de Crisis Text Line. Según las evaluaciones de Crisis Text Line, esas conversaciones se agruparon en tres niveles de riesgo diferentes: no suicida, ideación suicida sin riesgo inminente y riesgo inminente. Era este grupo de riesgo inminente (aquellos con un plan de suicidio o que tienen la intención de morir dentro de las próximas 48 horas) el que los investigadores más querían comprender.
“Queríamos saber qué tipo de síntomas predicen el mayor riesgo de suicidio”, dice Low. Esta cuestión se ha estudiado antes, dice, pero generalmente a través de encuestas epidemiológicas que piden a una persona que recuerde sus síntomas y experiencias, a menudo después de que su crisis de salud mental haya pasado. Por el contrario, dice, “Crisis Text Line nos brinda la oportunidad de evaluar muchos síntomas diferentes y factores de riesgo potenciales a medida que las personas atraviesan crisis”.
Leyendo entre líneas
Antes de analizar los textos de las líneas de crisis, el equipo de investigación construyó un léxico sobre el riesgo de suicidio. Recurrieron a la inteligencia artificial para generar una lista preliminar de palabras y frases relacionadas con factores de riesgo de suicidio establecidos, incluidos factores asociados con la ideación suicida, el intento de suicidio y la muerte por suicidio. Luego revisaron y seleccionaron manualmente esa lista. Su léxico final incluye alrededor de 60 palabras o frases para cada uno de los 49 factores de riesgo, y médicos expertos confirman la relevancia de cada uno de ellos.
Luego entrenaron un modelo de aprendizaje automático para buscar en las conversaciones de crisis palabras y frases en su léxico y utilizarlas para predecir el riesgo de suicidio. Debido a que el léxico vincula cada palabra o frase con un factor de riesgo específico, podrían usar estos datos para determinar qué factores de riesgo están más estrechamente relacionados con el riesgo inminente entre las personas en crisis.
Lo que encontraron fue consistente con patrones encontrados en investigaciones anteriores, aunque no siempre intuitivos. Por ejemplo, la depresión es un factor de riesgo bien conocido para la ideación suicida, pero su modelo encontró que las menciones de medios letales y el uso de sustancias tenían más probabilidades de ser expresadas por el grupo de mayor riesgo que el estado de ánimo deprimido o la fatiga. Las expresiones de ideación suicida activa y autolesión también fueron fuertes predictores. Los predictores intermedios incluyeron ansiedad, trastorno de estrés postraumático y dolor emocional.
El modelo predictivo asigna un peso a cada factor de riesgo en función de su contribución al riesgo. Por ejemplo, las menciones a medios letales para el suicidio, como “cortar” o “pastillas”, pesan mucho, mientras que términos relacionados con la desesperanza, como “no sé qué hacer” o “desesperado”, contribuyen en menor grado. Después de entrenar su modelo, el equipo descubrió que podían usarlo para predecir con precisión la gravedad del riesgo en nuevas conversaciones que el modelo no había visto antes.
Una limitación de los léxicos, señalan los investigadores, es que no consideran el contexto de los términos y pueden omitir términos que son similares a los del léxico, pero que no están incluidos explícitamente. Los modelos de lenguaje grandes tienen capacidades de razonamiento, y Low y sus colegas han desarrollado formas de utilizar modelos de lenguaje grandes para detectar el riesgo de suicidio en otros proyectos. Sin embargo, dicen que a menudo utilizan su léxico en paralelo para garantizar la señalización de ciertos términos, así como para mantener la privacidad de los datos.
Low enfatiza que si bien el equipo utilizó el poder de un modelo de lenguaje grande para desarrollar su léxico, su modelo de predicción es un modelo más simple y “ligero”. A diferencia de los grandes modelos de lenguaje, que requieren una enorme potencia computacional, se puede ejecutar fácilmente en una computadora personal, lo que reduce tanto los costos como las preocupaciones sobre la privacidad. Igual de importante es que es interpretable: en lugar de simplemente generar una estimación de riesgo como pueden hacer algunos modelos de aprendizaje profundo de manera más efectiva, les dice a los usuarios cómo llegó allí. Las palabras de preocupación se pueden marcar para que los usuarios comprendan la base de cada evaluación y actúen en base a esa información. Están trabajando en enfoques de explicabilidad similares con modelos de lenguaje grandes.
Esto es fundamental, porque hay mucho en juego. “Este es un espacio tan complejo que creo que tener un ser humano al tanto será fundamental durante mucho, mucho tiempo”, dice Ghosh, director de la Iniciativa de Datos Abiertos en Neurociencia del Instituto McGovern. Del mismo modo, los investigadores añaden que cualquier modelo predictivo debe validarse minuciosamente antes de su uso clínico y podría ser necesario perfeccionarlo continuamente para mantenerse al día con los cambios en el uso del lenguaje o las poblaciones objetivo.
Debido a que un léxico confiable abre puertas a nuevas formas de entender la salud mental, Ghosh y Low comparten ampliamente no solo su léxico sobre el riesgo de suicidio, sino también el paquete de software que desarrollaron para construirlo. Los investigadores pueden utilizar esa herramienta para crear léxicos de manera eficiente para otras afecciones de salud mental. Mientras tanto, dice Low, el léxico del riesgo de suicidio ya se está utilizando para explorar cómo los datos de texto de una variedad de fuentes, desde las redes sociales hasta los registros médicos electrónicos, podrían ayudar a los investigadores y médicos a estimar mejor el riesgo.