El trastorno bipolar causa períodos de depresión severa puntuada por períodos de estado de ánimo elevado o manía. Las personas con la afección se comportan de manera extrema, experimentando máximos extremos e hiperactividad seguidos por bajos devastadores y letargo. Algunas estimaciones sugieren que el 30 por ciento morirá por suicidio.

Una forma de evitar los comportamientos más extremos es detectar los síntomas a medida que se desarrollan pero antes de que se manifiesten por completo. Esto permite que el tratamiento comience temprano. Por eso, una forma de detectar estos primeros signos automáticamente tendría enormes implicaciones para quienes la padecen, sus familias y los proveedores de servicios de salud.

Ahora, Yen-Hao Huang y y otros investigadores de la Universidad Nacional de Tsing Hua en Taiwán han desarrollado una forma de identificar los primeros signos del trastorno bipolar a través de las redes sociales. Su método podría tener implicaciones significativas para la forma en que se evalúa a los posibles pacientes.

La aparición del trastorno bipolar se caracteriza por síntomas tales como sobresalto, alteración del sueño y cambios rápidos de humor. Y muchas víctimas comparten detalles de su condición, incluyendo sus fechas de diagnóstico, en plataformas de redes sociales como Twitter. Eso les dio una idea a los investigadores. Dado que podían estar seguros de que los tweets provenían de personas con un diagnóstico bipolar, ¿qué patrones de comportamiento podrían haber demostrado de antemano?

Para averiguarlo, analizaron unos 10.000 tweets publicados entre 2006 y 2016 por más de 400 personas que tenían un diagnóstico de trastorno bipolar. Compararon estos tweets con los de un número similar de personas escogidas al azar, que actuaron como grupo de control.

El equipo verificó el patrón de publicación a lo largo del tiempo para ver cómo coincidía con los patrones normales de sueño. Miraron la frecuencia de los tweets para medir cuán locuaz era cada usuario. Estudiaron los tipos de palabras utilizadas en cada tweet para el sentimiento y el contenido emocional. También desarrollaron una medida fonológica completamente nueva al calcular la energía oclusiva de cada palabra como si fuera sonora. Esta idea se basó en el pensamiento de que las personas con signos tempranos de trastorno bipolar usan más palabras de alta energía.

Luego, los investigadores usaron un enfoque de ventana deslizante para ver cómo el contenido de la corriente de Twitter de cada persona cambió a lo largo del tiempo, particularmente a medida que se acercaba al punto de un diagnóstico. Finalmente, el equipo entrenó un algoritmo de aprendizaje automático para usar combinaciones de estas características para distinguir entre personas con y sin signos tempranos de trastorno bipolar. Lograron una precisión de identificación de más del 90 por ciento.

La nueva medida del equipo de la energía fonológica de cada palabra es particularmente buena. “Simplemente empleando la función fonológica con el modelo de conjunto de texto puro, el clasificador puede lograr más del 91 por ciento de precisión”, dicen. Curiosamente, Huang y sus colegas llaman a esto un acercamiento al crowdsourcing subconsciente. Señalan que el conjunto de tweets de una persona que sufre trastorno bipolar puede proporcionar una gran cantidad de información sobre el estado mental. Así que, de manera inconsciente, estas personas están proporcionando un conjunto de datos que pueden extraerse para obtener información.

No está claro cuánta más información se puede obtener de esta manera. Pero es poco probable que el trastorno bipolar sea el único estado mental que se puede identificar. Se trata, pues, de un trabajo interesante que tiene el potencial de brindar a las personas con trastorno bipolar el tratamiento que necesitan tan pronto como sea posible.

“Nuestros resultados experimentales demuestran que los modelos propuestos podrían contribuir en gran medida a las evaluaciones regulares de personas con trastorno bipolar, que es importante en el entorno de atención primaria”, dicen. Y eso debería minimizar las posibilidades de conductas extremas que de lo contrario podrían resultar en el peor resultado posible.