SAN DIEGO- En un papel publicado el jueves un equipo de investigadores en la Universidad de California San Diego de Medicina utilizó inteligencia artificial para analizar los patrones de lenguaje de adultos mayores para determinar los patrones de soledad que podrían ayudar a detectar aumento en la tasa de suicidio y abuso de opioides.
Según el informe, publicado en el American Journal of Geriatric Psychiatry, evaluar con precisión la amplitud y profundidad de la soledad social es abrumador al estar limitado por las herramientas disponibles, como los reportados por los mismos pacientes.
"La mayoría de los estudios utilizan una pregunta directa de '¿Con qué frecuencia te sientes solo?' lo que puede llevar a respuestas sesgadas debido al estigma asociado con la soledad o la Escala de Soledad de UCLA, que no usa explícitamente la palabra 'solitario' ", dijo la autora principal, la Dra. Ellen Lee, profesora asistente de psiquiatría en la Facultad de Medicina de UCSD. "Para este proyecto, utilizamos el procesamiento del lenguaje natural o PNL, una evaluación cuantitativa imparcial de la emoción y el sentimiento expresados, junto con las herramientas habituales de medición de la soledad".
En los últimos años, numerosos estudios han documentado el aumento de las tasas de soledad en varias poblaciones de personas, en particular en poblaciones vulnerables como los adultos mayores, dijeron los investigadores. Por ejemplo, un estudio de UCSD publicado a principios de este año encontró que el 85% de los residentes que viven en una comunidad de viviendas independientes para personas mayores reportaron niveles de soledad de moderados a severos. La pandemia de COVID-19, con el distanciamiento social y los bloqueos asociados, solo ha empeorado las cosas, dijeron.
El nuevo estudio también se centró en residentes independientes de la tercera edad: 80 participantes de entre 66 y 94 años, con una edad media de 83 años. Los participantes fueron entrevistados por personal capacitado del estudio en conversaciones no estructuradas que se analizaron utilizando un software de comprensión de la PNL, además de otras herramientas de aprendizaje automático.
"La PNL y el aprendizaje automático nos permiten examinar sistemáticamente entrevistas largas de muchas personas y explorar cómo las características sutiles del habla, como las emociones, pueden indicar soledad. Los análisis de emociones similares realizados por humanos estarían abiertos a sesgos, carecerían de coherencia y requerirían una amplia capacitación para estandarizar ", dijo Varsha Badal, investigadora postdoctoral y primera autora del informe.
Entre los hallazgos:
- Las personas solitarias tuvieron respuestas más largas en la entrevista cualitativa, y expresaron más tristeza a las preguntas directas sobre la soledad;
- Las mujeres eran más propensas que los hombres a reconocer que se sentían solas durante las entrevistas; y
- Los hombres usaron más palabras de miedo y alegría en sus respuestas en comparación con las mujeres.
Los autores dijeron que el estudio destaca las discrepancias entre las evaluaciones de la investigación sobre la soledad y la experiencia subjetiva de la soledad de un individuo, que las herramientas basadas en la PNL podrían ayudar a reconciliar. Los primeros hallazgos reflejan cómo puede haber un "habla solitaria" que podría usarse para detectar la soledad en los adultos mayores, mejorando la forma en que los médicos y las familias evalúan y tratan la soledad, especialmente durante momentos de distanciamiento físico y aislamiento social.
Local
El estudio, dijeron los autores, demuestra la viabilidad de utilizar análisis de patrones de lenguaje natural del habla transcrita para analizar y comprender mejor las emociones complejas como la soledad. Los investigadores dijeron que los modelos de aprendizaje automático predijeron la soledad cualitativa con un 94% de precisión.
