Secondo quanto riportato, lo sviluppo di metodi che possano aiutare a individuare i primi sintomi associati ai problemi di salute mentale potrebbe essere importante per offrire agli utenti un intervento il più presto possibile.

Secondo gli scienziati del Dipartimento di Ingegneria Informatica e Applicazioni dell'Università GLA di Mathura, in India, identificare le persone a rischio di problemi di salute mentale è una sfida importante nell'era digitale. Molte persone trascorrono gran parte del loro tempo online, lavorando da remoto o altrimenti isolate in una certa misura dalle interazioni faccia a faccia e anche chi non lo fa spesso riesce a mascherare i problemi, quindi la diagnosi può essere difficile. La sfida di individuare i segnali di depressione nel vasto mare di dati dei social media potrebbe offrire informazioni sulla salute mentale.

L'approccio proposto esegue principalmente l'analisi delle caratteristiche ibride, la rappresentazione delle caratteristiche che influenzano la depressione basata sull'apprendimento non supervisionato e i processi di rilevamento degli utenti depressi basati sull'apprendimento supervisionato. Il team ha utilizzato un'analisi dettagliata delle caratteristiche demografiche e relative ai contenuti, compresi sia gli aspetti strutturali che le sfumature semantiche dei dati negli aggiornamenti dei social media.

Il sistema con il suo profondo modello di autocodificazione può quindi estrarre affermazioni e modelli di parole associati o caratteristici dei sintomi della depressione. Gli insight disponibili possono essere estesi consentendo all'algoritmo di accedere al profilo di una persona una volta identificata un'indicazione di aggiornamenti associati alla depressione. Pertanto, combinando i punteggi sulla depressione dei tweet, gli attributi del profilo e la conoscenza ibrida, il sistema classifica gli utenti come depressi o non depressi.

La ricerca dimostra una precisione migliorata rispetto ad altri metodi di oltre l’11%. Ciò potrebbe quindi aprire la possibilità di sviluppare l’approccio come parte di una tecnica multimodale per identificare la depressione da altre forme di contenuti online, come espressioni facciali, immagini e video. Il modo in cui viene utilizzata la diagnosi dipende quindi dal singolo e dal medico.