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

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)