Uma equipa de cientistas desenvolveu um algoritmo, baseado em Inteligência Artificial, capaz de detetar sinais de ansiedade e depressão nos padrões de fala das crianças. Este mecanismo poderia ser uma solução rápida e fácil para diagnosticar estas condições tão difíceis de detetar e que muitas vezes são negligenciadas nos mais novos.
Aproximadamente uma em cada cinco crianças sofre de ansiedade e depressão. No entanto, crianças com menos de oito anos não são capazes de expressar a sua angústia emocional de forma confiável. Além disso, as longas listas de espera para consultas de psicologia ou a falta de reconhecimento dos sintomas por parte dos pais contribuem para que as crianças não recebam o devido tratamento que necessitam.
Ellen McGinnis, principal autora do estudo publicado no Journal of Biomedical and Health Informatics, defende, por esse motivo, a necessidade de testes rápidos e objetivos para tratar as crianças que sofrem destas condições.
O diagnóstico precoce é fundamental uma vez que as crianças respondem bem ao tratamento enquanto os seus cérebros se estão ainda a desenvolver. Contudo, se a depressão e a ansiedade não forem tratadas, estas crianças sofrem, no futuro, de um maior risco de abuso de substâncias e até suicídio.
McGinnis, em parceria com o engenheiro biomédico da Universidade de Vermont e principal autor do estudo, Ryan McGinnis, tem procurado formas de usar Inteligência Artificial para tornar o diagnóstico mais rápido e confiável.
Para isso, os cientistas usaram uma versão adaptada de uma tarefa de indução de humor chamada Trier-Social Stress Task, que visa causar sentimentos de stress e ansiedade. Um grupo de 71 crianças, com idades entres os 3 e os 8 anos, foram solicitadas a improvisar uma história de três minutos e foram avisadas de que seriam avaliadas segundo o interesse da história.
O cientista que avaliava as histórias das crianças permaneceu, durante o tempo todo, com uma atitude rígida, tendo dado apenas notas neutras ou negativas. O objetivo era causar algum desconforte e stress nos participantes.
Depois, a equipa usou um algoritmo para analisar as características estatísticas das gravações de áudio de cada criança, comparando-as a um questionário clínico previamente preenchido. Foi então que descobriram que o algoritmo foi altamente bem sucedido no diagnóstico das crianças.
“O algoritmo foi capaz de identificar crianças com um diagnóstico de um distúrbio de internalização com precisão de 80%“, disse Ryan McGinnis, citado pelo New Atlas.
Este mecanismo pode fornecer resultados muito mais rápidos, uma vez que o algoritmo requer apenas alguns segundos de processamento, a partir do momento em que a tarefa é concluída, para fornecer um diagnóstico.
O algoritmo identificou oito características de áudio da fala infantil, mas três em particular foram destacadas como altamente indicativas de distúrbios de internalização: vozes de baixa frequência, com inflexões e conteúdo repetíveis e uma resposta mais aguda à buzina usada nas experiências.
McGinnis realça que estas características são muito parecidas às que se podem esperar de alguém que sofre de depressão. “Uma voz profunda e elementos de voz repetíveis refletem o que pensamos quando falamos em depressão.”
