Análise da linguagem em redes sociais para detecção precoce de transtornos de saúde mental

• Processo: 21/08213-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de maio de 2022
• Data de Término da vigência: 31 de julho de 2024
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ivandre Paraboni
• Beneficiário: Ivandre Paraboni
• Instituição Sede: Escola de Artes, Ciências e Humanidades (EACH). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Município da Instituição Sede: São Paulo
• Pesquisadores associados: Deusivania Vieira da Silva Falcão ; Thiago Alexandre Salgueiro Pardo
• Auxílio(s) vinculado(s): 25/10334-0 - 28th International Conference Text Speech and Dialogue (TSD-2025), AR.EXT
• Assunto(s): Aprendizado computacional Processamento de linguagem natural Classificação de textos Mídias sociais Twitter Transtornos psicóticos Ansiedade Depressão
• Palavra(s)-Chave do Pesquisador: ansiedade | classificação de texto | depressão | Pln | Processamento de Línguas Naturais | redes sociais | Processamento de Línguas Naturais

Resumo

A observação de que indivíduos com transtornos de saúde mental como depressão e ansiedade são muitas vezes usuários regulares de redes sociais motiva uma ampla gama de pesquisas na área de Processamento de Línguas Naturais (PLN) dedicadas ao reconhecimento automático de situações de risco deste tipo a partir da linguagem empregada na rede social. Entretanto, modelos computacionais existentes são em grande parte dedicados ao idioma inglês, e tendem a considerar publicações (e.g., tweets) produzidas a qualquer tempo, incluindo até mesmo aquelas produzidas após o indivíduo já estar clinicamente diagnosticado. Estudos deste tipo tendem assim a enfocar mais a questão de distinguir indivíduos com e sem um determinado transtorno, e podem ser considerados menos aptos a detectar estes problemas de forma precoce, ou seja, antes de seu possível agravamento. Com base nestas observações, este projeto propõe explorar a informação temporal disponibilizada pela plataforma Twitter para estudo e desenvolvimento de modelos computacionais de reconhecimento precoce de depressão e ansiedade em português, utilizando-se para este fim de uma base de dados - aqui denominada córpus SetembroBR - selecionada de modo a contemplar apenas textos cronologicamente anteriores à data de diagnóstico reportada pelos usuários da rede social. Um estudo desta natureza, além de introduzir uma formulação inédita (e potencialmente mais útil deste problema computacional para certos tipos de aplicação) abre oportunidade para diversas contribuições científicas na área de PLN, incluindo a modelagem de características textuais e não textuais e o uso de métodos de aprendizado neural recentes, além de viabilizar novas soluções para um problema atual e de forte apelo social. (AU)

Publicações científicas

(5)

(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)

DA SILVA, SAMUEL CAETANO; PARABONI, IVANDRE. Politically-oriented information inference from text. JOURNAL OF UNIVERSAL COMPUTER SCIENCE, v. 29, n. 6, p. 26-pg., 2023-01-01. (21/08213-0)

DE OLIVEIRA, RAFAEL LAGE; MARTINS, JOAO TREVISAN; PARABONI, IVANDRE. Mental health prediction from social media connections. New Review of Hypermedia and Multimedia, v. 29, n. 3-4, p. 20-pg., 2024-04-26. (21/08213-0)

DOS SANTOS, WESLEY RAMOS; PARABONI, IVANDRE; MATSUSHIMA, ELTON HIROSHI; DA SILVA, CAMILA AZEVEDO; MEIRA, EMILY SAMARA DE MOURA; GUIMARAES, JOAO VICTOR RODRIGUES FERREIRA; LINS, JULIA DA SILVA; DE AZEREDO, LAURA ENHAM; NUNES, LUIZ GUILHERME CERQUEIRA; REGO, VITTORIA THIENGO SILVEIRA MOREIRA. Mixture of Experts for Depression and Anxiety Disorder Prediction From Textual and Non-Textual Social Media Data. IEEE ACCESS, v. 13, p. 13-pg., 2025-01-01. (21/08213-0)

DOS SANTOS, WESLEY RAMOS; DE OLIVEIRA, RAFAEL LAGE; PARABONI, IVANDRE. BMI trajectory and inflammatory effects on metabolic syndrome in adolescents. Language Resources and Evaluation, v. N/A, p. 28-pg., 2023-01-11. (19/07665-4, 21/08213-0)

DOS SANTOS, WESLEY RAMOS; PARABONI, IVANDRE. Tracking Mental Health Indicators on Social Media Before and After Diagnosis. TEXT, SPEECH, AND DIALOGUE, TSD 2025, PT II, v. 16030, p. 12-pg., 2026-01-01. (21/08213-0)