Módulo de aprendizagem ativa para auxiliar na anotação de sinais de depressão

• Processo: 25/05410-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de maio de 2025
• Data de Término da vigência: 31 de outubro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Helena de Medeiros Caseli
• Beneficiário: Caio Vitor Soares
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Vinculado ao auxílio: 24/10233-7 - Suporte baseado em IA para comunicação em saúde mental (AIM-Health), AP.R
• Assunto(s): Depressão Saúde mental Processamento de linguagem natural
• Palavra(s)-Chave do Pesquisador: aprendizagem ativa | depressão | Saúde Mental | sinais de depressão | Processamento de Linguagem Natural

Resumo

A depressão é caracterizada por uma forma clinicamente significativa de sofrimento psicológico que leva a muitos prejuízos na funcionalidade de alguém, redução na qualidade de vida e, em casos graves, pode levar à morte devido ao risco de suicídio. Recursos que auxiliam na detecção de sinais de depressão podem auxiliar tanto o tratamento individual quanto a tomada de decisões de políticas públicas. As ferramentas mais comuns para avaliar sinais de depressão são escalas psicométricas e questionários (por exemplo, PHQ-9 (Kroenke et al., 2001)), que podem ser administrados por um profissional de saúde ou serem auto-administrados. Embora úteis e validadas ao longo de décadas de aplicação prática, estas ferramentas apresentam limitações em termos de alcance, pois requerem um profissional de saúde para a sua aplicação ou que pessoas deprimidas procurem ajuda apesar do potencial estigma social e comprometimento da funcionalidade associado ao transtorno (Yadav et al., 2020). Estes desafios motivaram a criação de técnicas complementares de detecção de depressão com maior alcance, de forma a permitir a alocação de recursos de saúde mental a indivíduos e populações que de outra forma não teriam acesso ou teriam pouco acesso a eles. Estas técnicas incluem a utilização de conteúdos publicados em plataformas de redes sociais e outras ferramentas de relatos baseadas em texto, como diários pessoais. Dentre esses esforços, destaca-se o uso do Processamento de Linguagem Natural (PLN) para detecção automática de depressão, pois textos produzidos por indivíduos deprimidos podem conter sinais claros de depressão - como menções explícitas de sintomas (Yazdavar et al., 2017; Yadav et al., 2020; Mendes e Caseli, 2024) e autodeclarações de diagnóstico/tratamento em andamento (Santos et al., 2024); - bem como pistas mais sutis, como estilo de linguagem. Neste sentido, este projeto visa desenvolver um módulo de aprendizagem ativa (do inglês, Active Learning, AL) para auxiliar a anotação de sinais de depressão por especialistas em saúde mental.