Machine learning para predecir psicosis
Hace unos días se ha publicado en Nature más específicamente en Nature Partner Journals (npj) Schizophrenia un estudio sobre el desarrollo de un sistema basado en machine learning para predicción de psicosis usando sistemas de procesamiento y análisis de lenguaje.
El estudio ha determinado que se puede predecir eficientemente la aparición de psicosis futura cuando aun el cuadro es subclínico a través de dos predictores básicos:
- Presencia de baja densidad semántica.
- Detección de frases relacionadas a voces y sonidos
Estos dos indicadores permitieron la predicción de la conversión a psicosis con un 93% de certeza.
La baja densidad semántica se puede considerar como pobreza de contenido pero también esta relacionada y se mide respecto a la combinación específica de palabras, depende del orden en el que las palabras se agrupan en las oraciones y no simplemente en el grupo de palabras usadas en un oracion ignorando su organización.
La determinación de contenido con baja densidad semántica se obtuvo utilizando un método matemático llamado vector unpacking (descomprensión de vectores) con la cual se puede descomponer automatizadamente el significado de una oración en sus ideas principales.
Estas formas de detección usando sistemas de inteligencia artificial no hubiesen sido posibles hace pocos años, debido a la falta de data (ahora contamos con mucha información escrita de forma natural en redes sociales como reddit), las capacidades de procesamiento y las tecnologias de machine learning aplicadas.
