Las imágenes de las redes sociales pueden predecir el riesgo de suicidio

ABSTRACTO

Fondo: El suicidio, una de las principales causas de muerte y un importante problema de salud pública, se convirtió en un asunto aún más apremiante desde la aparición de las redes sociales hace dos décadas y, más recientemente, tras las dificultades que caracterizaron la crisis de la COVID-19. Por lo tanto, los estudios contemporáneos tienen como objetivo predecir los signos de riesgo de suicidio en las redes sociales utilizando métodos de inteligencia artificial (IA) muy avanzados. De hecho, estos nuevos estudios basados ​​en IA lograron romper un límite de predicción de larga data en suicidiología; sin embargo, todavía tienen limitaciones principales que impiden su implementación en entornos de la vida real. Estos incluyen metodologías de “caja negra”, medidas de resultados inadecuadas y escasa investigación sobre información no verbal, como imágenes (a pesar de su popularidad en la actualidad).

Objetivo: Este estudio tiene como objetivo abordar estas limitaciones y presentar un modelo de predicción interpretable del riesgo de suicidio clínicamente válido a partir de imágenes.

Métodos: Los datos se extrajeron de un conjunto de datos más amplio de mayo a junio de 2018 que se utilizó para predecir el riesgo de suicidio a partir de publicaciones textuales. Específicamente, los datos extraídos incluyeron un total de 177.220 imágenes subidas por 841 usuarios de Facebook que completaron una escala de suicidio estándar. Las imágenes se representaron con CLIP (Contrastive Language-Image Pre-training), un algoritmo de aprendizaje profundo de última generación que se utilizó, de forma poco convencional, para extraer características interpretables predefinidas (por ejemplo, “foto de gente triste”). que sirvieron como insumos para un modelo de regresión logística simple.

Resultados: Los resultados de este modelo híbrido que integra características basadas en teoría con métodos ascendentes indicaron un alto rendimiento de predicción que superó los algoritmos comunes de aprendizaje profundo (área bajo la curva característica operativa del receptor). [AUC] = 0,720, Cohen d= 0,82). Análisis adicionales respaldaron una hipótesis basada en la teoría de que los usuarios en riesgo tendrían imágenes con mayores emociones negativas y una menor pertenencia.

Conclusiones: Este estudio proporciona una primera prueba de que las imágenes disponibles públicamente pueden aprovecharse para predecir el riesgo de suicidio validado. También proporciona estrategias simples y flexibles que podrían mejorar el desarrollo de herramientas de seguimiento del suicidio en la vida real.

J Clin Psiquiatría 2024;85(1):23m14962

Las afiliaciones de los autores se enumeran al final de este artículo.