Objetivos estratégicos del proyecto
El enfoque multidisciplinar del proyecto IA4SENSE articulado sobre el uso combinado de diferentes tecnologías de Inteligencia Artificial, y pensadas en un abordaje integral de todo el proceso asociado a un trastorno depresivo (diagnóstico, tratamiento, seguimiento, asesoramiento), supone una revolución respecto a la actual utilización de las tecnologías de inteligencia artificial en el ámbito de la salud mental, centrada hasta la fecha en la experimentación con campos tecnológicos acotados y en el desarrollo de soluciones específicas para atender necesidades concretas.
IA4SENSE es un proyecto centrado en intentar solucionar la problemática actual del abordaje de los trastornos depresivos, una pandemia con carácter de urgencia social (la primera causa de discapacidad en el mundo), y por tanto un proyecto eminentemente contemporáneo que hace suyos los axiomas de la Sociedad 5.0, idea basada en considerar a la sociedad en el centro más que a la industria de modo que teniendo la tecnología como catalizador y transformador se aproveche sus beneficios para el bien común de los ciudadanos de una manera igualitaria. Si la creación de conocimiento a partir de la información la realizan los humanos en la Sociedad 4.0, en esta siguiente fase de la sociedad humana, la harán sobre todo las máquinas, a través de la Inteligencia Artificial, pero al servicio de las personas.
El proyecto IA4SENSE supone un enorme paso para el efectivo cambio de paradigma en los actuales procesos asistenciales de trastornos depresivos y aspira a convertirse en parte de la solución a los principales obstáculos existentes para el adecuado abordaje de la lucha contra la Depresión; la falta de recursos, la subjetividad en los diagnósticos, la ausencia de protocolos adecuados y la estigmatización.
Con todo ello, el proyecto IA4SENSE, a partir de las actividades de investigación y desarrollo planteados en el marco del mismo, así como del conjunto de soluciones y herramientas que pretende desarrollar, asume el compromiso de intentar alcanzar los siguientes objetivos estratégicos:
Detección temprana de trastornos depresivos. La detección temprana es de crucial importancia para el pronto y exitoso tratamiento del paciente. Para ello el proyecto IA4SENSE articulará un conjunto de tecnologías que permitan monitorizar y evaluar diferentes indicadores de comportamiento (señales físicas, estado emocional, análisis del habla y la escritura, etc.), y mediante técnicas de Inteligencia Artificial analizar la información recabada y monitorizar diferentes marcadores, identificando síntomas relevantes que actúen como un método de detección temprana.
Objetivizar los procesos de diagnóstico de trastornos depresivos. Cuantificar cómo se siente uno es algo totalmente subjetivo, lo que hace que los diagnósticos sean más proclive a sufrir imprecisiones. Lo que una persona considera un 3 en una escala de tristeza del 1 a 10, por ejemplo, podría ser el 7 de otra persona o el 10 de otra; y nadie estaría equivocado. Pero los trastornos de salud mental también tienen síntomas físicos y químicos medibles, por ejemplo, mediante imágenes por resonancia magnética funcional (fMRI), el análisis de proteínas y aminoacidos, etc. Combinar dicha información con otros datos (marcadores fisiológicos), podría servir para entrenar a un algoritmo de aprendizaje automático que sea capaz de diagnosticar trastornos de forma más objetiva.
Mejorar los procesos de Diagnóstico. Los trastornos depresivos constituyen un grupo enormemente heterogéneo de cuadros clínicos, desde cuadros de dudosa o inconsistente significación clínica y próximos a las reacciones emocionales no patológicas, hasta cuadros severos con gran afectación funcional y riesgo vital. Los profesionales (psicólogos, psiquiatras, terapeutas, médicos de familia, etc), carecen de las herramientas necesarias que les permitan hacer un diagnóstico exacto para cada caso. En este sentido la utilización de algoritmos de predicción basados en redes neuronales, permitiría a partir del análisis exhaustivo de diagnósticos y cuadros clínicos de pacientes tratados con anterioridad, la construcción de un sistema experto, que podría ayudar a los profesionales de la salud en los procesos de Diagnóstico.
Mejorar los procesos de prescripción y tratamiento. Asociada a las complicaciones en el diagnóstico, a la falta de protocolos de actuación efectivamente validados y a la falta de datos sobre la eficacia de los diferentes posibles abordajes, (biológicos, psicoterapéuticos, psicosociales, farmacológicos) para cada tipo paciente específico, resulta muy complejo para los profesionales médicos prescribir el mejor tratamiento para cada persona. Mediante diferentes tecnologías de procesamiento de lenguaje natural se podría acceder a los datos clínicos existentes en las notas de los médicos y extraer conceptos y relaciones clave en conjuntos de datos textuales muy grandes contenidos en literatura biomédica publicada, registros de salud electrónicos y recursos médicos basados en la web, en resumen, datos no estructurados de millones de pacientes, pudiendo convertir esta información clave en contenido estructurado que mediante técnicas de Simulación Dinámica (DSM) conduzcan a mejorar los procesos de prescripción (mediante representaciones matemáticas que simulen intervenciones y reproduzcan diferentes respuestas a ellas), así como una mejor vigilancia de la respuesta a los tratamientos prescritos, y a los efectos secundarios de los medicamentos potencialmente dañinos.
Mejorar los procesos de seguimiento de pacientes. Actualmente los proceso de seguimiento en el tratamiento de trastornos depresivos, se realizan mediante una visita periódica al profesional de la salud, en la que se revisa el estado del paciente. Este modelo de seguimiento se muestra totalmente ineficiente, y la consecuencia directa es que hasta el 43% de los pacientes abandona el tratamiento y otro porcentaje importante no lo cumple como le ha sido prescrito. La tecnología actual (smartphones, wearables) nos permite cambiar este modelo y desarrollar uno basado en la monitorización constante del paciente, recabando información de múltiples fuentes y analizándola de forma permanente e inteligente por si detectamos parámetros de alerta. Asimismo mediante la utilización de chatbots, podemos desarrollar sistemas de implicación y ayuda al paciente ofreciéndoles consejo y apoyo, o incluso articular procesos de terapia cognitivo conductual que enseñen al paciente técnicas simples que le ayuden a romper patrones negativos en la forma de pensar. Además este tipo de servicio (chatbot) están disponibles a cualquier hora del día, un profesional no puede estar acompañando al paciente continuamente. Pero gracias a este tipo de software, si un paciente necesita hablar y desahogarse a las 3 de la mañana, lo podrá hacer desde la comodidad de su móvil
Facilitar la accesibilidad. Lamentablemente no todo el mundo tiene hoy la posibilidad de acudir a un profesional de salud mental. El 50% de la población mundial en el 2018 vivía en un país donde había menos de un psiquiatra por cada 100.000 personas. Dicho problema se podría solucionar en parte, mediante soluciones chatbot, que podrían actuar como terapeutas virtuales ayudando a las persona a tener un primer pronóstico sobre su estado de salud, así como trasladarle ciertas pautas de actuación. El tipo de atención provisional de la salud mental proporcionada por los chatbots sería particularmente útil en comunidades con una oferta inadecuada de profesionales capacitados ofreciendo consejo y apoyo a quienes no tienen otras alternativas.
Anonimato y Reducción del estigma. Más allá del acceso, el estigma que envuelve a las enfermedades de la mente puede actuar como un fuerte impedimento para buscar ayuda. Algunas personas afectadas pueden no desear discutir su situación con otros individuos, incluidos los profesionales entrenados, por miedo al estigma. Un sistema de Inteligencia Artificial articulado sobre un chatbot podría ayudar a superar el problema del estigma, porque pueden interactuar con personas que de otra manera son reacias a buscar atención psiquiátrica. El sistema de Inteligencia Artificial es percibido como algo sin prejuicios, sin opiniones y sobretodo, neutral.
Ayudar a los familiares. Convivir con una persona que tiene depresión no es fácil. A la impotencia y al malestar que surgen cuando vemos que alguien de nuestra familia está triste, no disfruta con cosas que antes le encantaban, se siente cansado y muchas veces está susceptible, se suma que la pareja o la familia pueden sentir que “dejan de ver” a la persona que antes era. En estas circunstancias muchas veces la irritabilidad que tiene el deprimido se une a la de la familia. Las familias muchas veces no entienden el problema, y tampoco saben como tienen que actuar. Otras veces, siendo conscientes del posible problema de depresión que tiene su familiar, tampoco saben los pasos que hay que dar y menos cuando el familiar reniega de la enfermedad y se niega a acudir a la consulta de un terapeuta. En este contexto un servicio de información articulado sobre un chatbot podría ser de gran ayuda, para resolver todas las dudas que pudieran tener los familiares, así como sentirse más arropados en su tránsito por la enfermedad de su familiar o cónyuge.
Los participantes del Proyecto IA4SENSE son los siguientes
En su calidad de solicitante, líder, coordinador general del proyecto y empresa de referencia en el ámbito de las neurociencias y el tratamiento de trastornos en el estado de ánimo.
En su calidad de empresa de base tecnológica, y empresa de referencia en relación a soluciones tecnológicas para el cuidado de ancianos.
En su calidad de empresa de base tecnológica con dominio en varios de los ámbitos tecnológicos del proyecto.
En su calidad de empresa de referencia en la prestación de servicios en los ámbitos de la dependencia, discapacidad, desprotección y exclusión social.
En su calidad de empresa tecnológica especializada en ciberseguridad.
En su calidad de Centro Tecnológico de referencia en materia de Servicios en la Sociedad de la Información.
Descripción del Sistema
Desde el punto de vista de la aplicación del proyecto, la finalidad última del proyecto IA4SENSE es dotar a la sociedad en su conjunto (terapeutas, psicólogos, profesionales de la salud, enfermos y familiares, educadores), de medios eficaces para abordar de forma integral todo el proceso asociado a un trastorno depresivo (diagnóstico, tratamiento, seguimiento, asesoramiento).
Habida cuenta de que los trastornos depresivos, es una enfermedad que afecta a toda la población, desde los niños, hasta los ancianos, pasando por los adolescentes y los adultos, pero que la forma de manifestarse en cada uno de ellos es totalmente heterogénea, la causalidad asociada al surgimiento de la enfermedad es por motivos diferentes, la etiología y los síntomas se manifiestan de forma diferente, las formas de diagnosticarlo son diferentes e incluso las formas de intervenir también son diferentes, en el marco del proyecto IA4SENSE y para garantizar la eficacia de las soluciones y herramientas tecnológicas a desarrollar, se ha considerado necesario distinguir entre los siguientes 3 públicos objetivo.
En el caso de la población de niños Investigaciones recientes muestran que un 2% de los niños y un 4,8% de los adolescentes presentan depresión, de los cuales se estima que aproximadamente el 60% no se diagnóstica o se hace incorrectamente. Estudios recientes de la OMS, alertan del crecimiento exponencial de la prevalencia de la depresión entre los niños y adolescentes (45% en los últimos 7 años)
El comienzo de la depresión puede ser súbito o gradual. Diagnosticarla
puede ser difícil debido a que puede presentar síntomas típicos de otros trastornos, como la ansiedad o el trastorno por déficit de atención.
Las causas que desencadenan depresión en un niño son diversas. Los factores que más influyen son los biológicos, entre los que destacan los genéticos (es decir, la herencia). La probabilidad de que un niño o un adolescente tenga depresión se multiplica por cuatro cuando uno de sus padres la ha padecido. También contribuyen los factores ambientales, como pueden ser: la pérdida de una persona cercana, la desestructuración familiar, las dificultades en el colegio, el rechazo de compañeros, etc. Sin embargo, no todos los niños con problemas acaban teniendo depresión, ni todos los niños con depresión han tenido estresantes ambientales.
Es muy importante poder detectar el máximo de cuadros depresivos entre los niños y además hacerlo correctamente. Si no se trata la depresión tiende a perpetuarse, con todo lo que ello implica: bajo autoconcepto, peor rendimiento tanto académico como social,
menor desarrollo de las potencialidades, aumento del riesgo suicida, mayor frecuencia de cuadros ansiosos y conductuales, continuidad de la depresión hacia la adultez, traspaso de vivencias depresivas a sus futuros hijos, trastornos
del vínculo con ellos, etc.
En esta línea, las soluciones específicas planteadas para el colectivo de niños & adolescentes en el marco del proyecto IA4SENSE, se centrarán principalmente en dotar de
las herramientas adecuadas a los padres y a los colegios para facilitar la Detección de trastornos depresivos.
La especificidad de las soluciones para el colectivo de niños & adolescentes,
se centrará tanto a nivel de las metodologías interactivas a utilizar con un lenguaje adecuado cercano a los niños, en la etiología de los síntomas a ser detectados y en el análisis morfosintáctico para la detección de palabras
y expresiones clave, que puedan ser precursoras de situaciones de alerta (suicidios)
En el caso de la población personas mayores, es un colectivo especialmente vulnerable y predispuesto a la aparición de factores que afectan negativamente al estado de ánimo. Acontecimientos de
la tercera edad como, por ejemplo, los trastornos médicos crónicos y debilitantes, la pérdida de amigos y seres queridos, y la incapacidad para participar en actividades que antes disfrutaba, pueden resultar una carga muy pesada
para el bienestar emocional de una persona que está envejeciendo.
Una persona de edad avanzada también puede sentir una pérdida de control sobre su vida debido a problemas con la vista, pérdida de la audición y otros cambios
físicos, así como presiones externas como, por ejemplo, recursos financieros limitados. Estos y otros asuntos suelen dejar emociones negativas como la tristeza, la ansiedad, la soledad y la baja autoestima, que a su vez conducen
al aislamiento social y a la temida depresión, uno de los trastornos que con mayor frecuencia afectan a los ancianos. (Un 30% de los mayores de 65 años está afectado por alguna de las variedades de la enfermedad).
Habida cuenta de las características específicas de este colectivo en el marco del proyecto IA4SENSE se desarrollaran soluciones específicas para este colectivo centradas en: en el Diagnóstico, Tratamiento y Seguimiento de trastornos depresivos entre la población de mayores, tanto en el hogar, como en residencias de ancianos. La especificidad de las soluciones para el colectivo de personas mayores, se centrará en el caso del hogar:
En el caso de las residencias de ancianos, los desarrollos se centrarán:
En el caso de la población de personas adultas, cabe considerar que la totalidad de los desarrollos del proyecto I4SENSE se orientan de manera general hacia este colectivo. No se plantean desarrollos particulares que respondan de forma específica al mismo, como es el caso de los niños y ancianos.
El desarrollo de un proyecto de las características de IA4SENSE implica el cumplimiento de una serie de objetivos tecnológicos. A continuación se detallan los más significativos:
Un sistema conversacional se puede describir como un sistema computacional capaz de conducir una conversación o diálogo con un usuario a través de un conjunto de interacciones (turnos de diálogo) con el objetivo de completar una tarea.
Para ello, el medio de comunicación básico será el lenguaje humano (bien hablado o escrito).
Este es uno de los pilares del proyecto IA4SENSE, las interfaces a través de las cuales los usuarios podrán interactuar mediante
conversaciones en lenguaje natural con las diferentes aplicaciones del sistema.
Dichas conversaciones, atendiendo a los diferentes objetivos planteados responderán a diferentes estrategias (multipropósito), y por tanto las
mismas tendrán diferentes capacidades y las interacciones con los usuarios también serán diferentes.
Por una parte se utilizarán sistemas de chatbot, con interfaces de interacción en modo
texto (a través de un chat), orientados a la resolución de consultas utilizando un enfoque Pregunta-Respuesta (Q&A: Question & Answer) con una capacidad de gestión del diálogo limitada a la detección de intenciones (intent detection)
y reconocimiento de entidades (named entity recognition) que permitan activar acciones concretas asociadas a un Dominio de Conocimiento específico. Este es el caso de las soluciones concretas de:
Por otra parte será necesario utilizar sistemas de Diálogo (en contraposición a los chatbots), para los procesos de intervención. En los sistemas de diálogo se entiende que el usuario tiene un
objetivo o tarea más compleja que desea cumplir por medio de la interacción con el sistema. Por tanto, la conversación usuario-máquina persigue un fin o tarea específica y el sistema debe ser capaz de averiguar cuál es y cómo satisfacerla
lo mejor posible. Esta característica no impide que los sistemas de diálogo alcancen grandes cotas de sofisticación y que incluso un mismo sistema deba ser capaz de gestionar diálogos que versan sobre distintas temáticas (sistemas
de diálogo multidominio).
Este es el caso concreto de la solución para el apoyo al tratamiento de pacientes con trastornos depresivos donde se establecerá la estrategia de ayuda al paciente ofreciéndoles consejo y apoyo,
o incluso articulando procesos de terapia cognitivo conductual que enseñen al paciente técnicas simples que le ayuden a romper patrones negativos en la forma de pensar.
Por último el proyecto I4SENSE tambien se plantea integrar
sistemas basados en Interfaces orales
de usuario (VUI) y sistemas de respuesta oral interactiva (IVR) para ser utilizados de manera específica entre el colectivo de personas mayores mediante la utilización de dispositivos hardware (altavoces
inteligentes), existentes en el mercado (Amazon Echo, Google Home, etc.)
Respecto a la distinción entre interfaz oral de usuario (Voice User Interface, VUI) y sistema de diálogo, se puede entender por interfaz oral a cualquier sistema que sea capaz de procesar el habla, mientras que el sistema de diálogo debe poder establecer
una conversación. En este sentido, muchos de los sistemas actuales son capaces únicamente de responder a preguntas o comandos aislados (por ejemplo, podemos preguntar “¿Qué tiempo hace hoy?’’ y obtener una respuesta), pero no pueden
sostener una conversación de varios turnos.
En el marco del proyecto I4SENSE, se plantea el desarrollo de un sistema de dialogo que soporte conversaciones complejas a través de interfaces orales,
a ser utilizado en el proceso de Identificación de trastornos depresivos en personas mayores, mediante el análisis de las conversaciones y de la propia voz.
A todo ello hay que añadir la necesidad de dotar al sistema conversacional
de la funcionalidad de CONTEXTUALIZACIÓN, utilizar de forma combinada la información contextual con los aprendizajes/ interacciones previas realizados por el sistema. IA4SENSE utilizará la información
contextual referida (a la agenda, el lugar, la hora, el tiempo, etc.), en combinación a las interacciones previas. Esta es precisamente una de las mayores dificultades a las que tienen que hacer frente los sistemas conversacionales
actuales, distinguir cuando una frase es dependiente del contexto o no. Cuando se trata de oraciones independientes no se debe buscar la información en el diálogo mantenido, son frases construidas a las que el asistente responde
con respuestas preparadas, pero la complejidad comienza cuando se hacen referencias a partes de la conversación.
Otra funcionalidad necesaria del sistema será su PROACTIVIDAD, pudiendo tomar la iniciativa para reconducir el diálogo dentro del o los dominio/s en los que se ha definido, Solicitar información
necesaria para cumplir el objetivo solicitado; Requerir aclaraciones cuando existan dudas sobre la información aportada por el usuario o incluso trasladar Recomendaciones a una serie de inputs y variables que se hayan recogido.
En
el caso del proyecto IA4SENSE, esta cualidad resulta muy interesante para los procesos de seguimiento de los pacientes que están siendo tratados por un cuadro depresivo. Con esta funcionalidad
se podría hacer un seguimiento y control más exhaustivo de algún evento puntual, como por ejemplo el cambio de una medicación, y los efectos adversos que pudiera provocar. O incluso ir captando información “subjetiva”, que complemente
la información recogida por medio de los sensores. Permitiendo asimismo que los médicos o personas responsables de monitorizar este seguimiento, puedan programar “requerimientos de información” complementarios para que IA4SENSE
se los traslade al paciente. Por ejemplo la captura de una “medida anormal” por parte de los sensores; incremento de la frecuencia cardiaca, de la calidad del sueño, la actividad física, etc., puede ser complementado con alguna
interacción informacional por parte de IA4SENSE al paciente “¿Que tal estas, te notas cansado?” y de esta manera recabar mayor información.
Las tecnologías del reconocimiento del habla y síntesis de voz están relacionadas con el nivel de producción y reconocimiento del lenguaje hablado. La fonética se centra en el estudio de las propiedades físicas de los sonidos utilizados
en el habla humana, desde su producción por parte de los sistemas fonador y articulario, su transmisión como señal acústica y su recepción por parte de los órganos auditivos (fonética articularia, acústica y perceptiva).
Por
otro lado, la fonología aborda el estudio de los sonidos acústicamente discriminativos (fonemas) en general y en cada lengua en particular. Ambas ramas son especialmente relevantes en los sistemas conversacionales hablados para
modelar tanto la fase de reconocimiento del habla como síntesis de la voz IA4SENSE pretende incorporar un sistema de reconocimiento del habla, con la capacidad de escuchar, entender y analizar
lo que dice el usuario. Esta funcionalidad está especialmente diseñada para atender las soluciones del colectivo de personas mayores, en el hogar y que contempla la utilización de sistemas basados
en Interfaces orales de usuario (Amazon Echo, Google Home), para:
Con todo ello la interfaz de interacción deberá ser sencilla e intuitiva, especialmente diseñada para una población anciana y que considere las limitaciones de estos usuarios en relación al uso de la tecnología. En relación a este elemento el proyecto IA4SENNSE deberá considerar de forma específica aspectos relativos a:
A nivel tecnológico el reconocimiento automático de voz es una tecnología todavía muy propensa a errores, ya que los sistemas de diálogo tienen que ser capaz de hacer frente a las incertidumbres derivadas de reconocimientos de voz fallidos o débiles. En el proyecto IA4SENSE, este reto puede ser incluso más grande, dado que normalmente estos reconocedores de voz no están adaptadas para los usuarios de más edad. Para afrontar este reto, varias estrategias se desarrollarán y explorarán durante el proyecto IA4SENSE:
Las dos primeras estrategias - retroalimentación y corrección – se basan en que el usuario pueda detectar rápidamente posibles errores de entendimiento por parte de IA4SENSE y poder corregirlos en el momento, generando un proceso constante de entrenamiento
y aprendizaje en el que IA4SENSE ira aprendiendo de sus errores.
En paralelo y asociado a la tercera estrategia IA4SENSE, también mejorará su capacidad para entender lo que el usuario dice, mediante
la identificación de los patrones de uso. Más específicamente, inspeccionará todas las posibles hipótesis devueltas por el reconocedor automático de voz en un momento dado, y reconsiderará su verosimilitud considerando los conocimientos
que IA4SENSE tiene sobre el usuario.
IA4SENSE también incorporará un sistema de síntesis de voz, con el objetivo de permitir la interacción con el usuario mediante lenguaje natural. El proceso
de síntesis de habla será el encargado de poner voz a cada respuesta que el sistema dará al usuario. Esta respuesta vendrá dada de forma textual por parte del Sistema de Diálogo y convertirá a voz el texto producido por éste.
En
este sentido el proyecto IA4SENSE utilizará hardware comercial existente en el mercado, utilizando los propios asistentes o sistemas de síntesis de voz que incorporan dichos dispositivos, Alexa en el caso de Amazon Echo y Google
Assistant en el caso de Google Home. Será necesario por tanto conectar el sistema de gestión de diálogos de IA4SENSE con dichos asistentes para crear las reconstrucciones de voz (audio) que articulen las conversaciones con las
personas mayores en el hogar.
Los sistemas de reconocimiento del habla no utilizan exclusivamente la señal acústica para llevar a cabo la función de reconocimiento, ya que se requiere información lingüística adicional, tales como modelos de lenguaje. Podemos considerar
que el resultado de este módulo es la obtención de una o más hipótesis de reconocimiento (entendidas como secuencias de palabras, posiblemente enriquecidas con otra información acústica suprasegmental tal como prosodia, pausas,
etc.). Con el objetivo de poder utilizar esta información, un sistema conversacional debe entender el significado asociado al mensaje emitido por el usuario.
Para llevar a cabo esta tarea se requiere la incorporación de
modelos en niveles adicionales de la estructura lingüística. El análisis morfológico permitirá detectar la estructura de las propias palabras asignando la información relevante tal como categoría gramatical (Part Of Speech - POS),
así como otros rasgos léxicos y morfológicos. A partir de esta información y del propio contenido léxico de las palabras detectadas, el análisis sintáctico permitirá descubrir el análisis de constituyentes de las expresiones que
intervienen en cada una de las frases, asignando funciones gramaticales y roles temáticos.
Por último, el nivel de análisis semántico se encargará de construir una representación semántica abstracta que contenga el significado
asociado a la expresión original emitida por el hablante. Estas tres etapas se agrupan en lo que tradicionalmente se denomina Comprensión del Lenguaje Natural (NLU: Natural Language Understanding).
Por
otro lado, el proceso simétrico que parte de la representación semántica del mensaje que se debe comunicar al usuario y termina construyendo la realización del texto correspondiente se conoce como Generación del Lenguaje Natural (NLG: Natural Language Generation). Durante la fase de generación también pueden intervenir los niveles semántico, sintáctico y léxico-morfológico, pero en este caso en sentido descendente, para a partir de la representación semántica,
construir el nivel sintáctico de constituyentes y finalmente la secuencia de palabras final.
En el proyecto IA4SENSE, y con la finalidad principal de corregir los posibles errores generados por los módulos de reconocimiento
y comprensión, la salida generada por el reconocedor no se limitará a una única frase, sino, a múltiples hipótesis en forma de grafo de palabras o de las k mejores frases.
Para ello se utilizará un modelo basado en la utilización
de medidas
de confianza (un valor real entre 0 y 1) que representen la fiabilidad de cada una de las palabras. El objetivo de la estimación de medidas de confianza será evaluar la calidad de las palabras reconocidas y de los conceptos
semánticos extraídos en la fase de compresión de lenguaje natural, facilitando en lo posible la detección y corrección de errores por parte del gestor de diálogo.
Las medidas de confianza obtenidas tienen como objetivo evaluar
su comportamiento de forma que el gestor de diálogo pueda medir la calidad de la información recibida y en consecuencia, elegir la acción concreta a realizar: rechazar la frase, preguntar otra vez, o pedir confirmación de alguno
de los datos obtenidos. De este modo, se posibilita que los módulos siguientes del sistema puedan operar con varias alternativas y tengan en cuenta en su funcionamiento la fiabilidad de las palabras. Las medidas de confianza a
desarrollar en el proyecto IA4SENSE se clasificarán en tres niveles diferenciados:
Con la implantación de dichas medidas de confianza asociadas a las palabras en el proceso del reconocimiento, el proyecto IA4SENSE pretende dotar de mayor fiabilidad a la información que se suministra al gestor de diálogos, y por tanto garantizar la calidad y la bondad de las conversaciones con los usuarios finales. Evitando errores de comprensión y errores en las interacciones, que a la postre lastran la “experiencia” del usuario.
Las tecnologías de adquisición de conocimiento, se refieren al proceso sobre el que se articula la manera de incorporar conocimiento tanto al sistema conversacional IA4SENSE como al sistema experto.
En
lo referido al sistema de adquisición del conocimiento del Sistema Conversacional IA4SENSE, procede antes, destacar los 2 subsistemas clave que soportan el mismo, el Domino de Conocimiento y el
Modelo de Usuario, sobre los que se basará el funcionamiento de las siguientes soluciones concretas de IA4SENSE:
El Dominio de Conocimiento, constituye el núcleo del conocimiento del Sistema Conversacional IA4SENSE, donde se establecen las REGLAS y las RESPUESTAS a las interacciones de los usuarios. Para
la construcción del subsistema Dominio de Conocimiento en el proyecto IA4SENSE se plantea desarrollar una herramienta de autor que facilite la labor de incorporación del conocimiento por parte
los expertos, dicha herramienta incorporará un sistema de catalogación de información semantizada, con diversos índices sobre los que actúen los distintos procesos de aprendizaje automático (machine learning) para poder ir aprendiendo
de la efectividad de cada índice semántico planteado en la solución y así, poder inferir que resultados de dichos índices semánticos proporcionan resultados más adecuados en la búsqueda de las respuestas.
Este módulo realizará
una catalogación automática de la información en base a conceptos predefinidos. Esta catalogación permitirá realizar las búsquedas de forma rápida y eficaz. Además, el algoritmo buscará nuevos datos introducidos en el sistema de
gestión de conocimiento o base de datos que no hayan sido catalogados para ir ampliando progresivamente su base de conocimiento y aprendizaje. Para conseguir esto se diseñarán e implementarán algoritmos avanzados de búsqueda semántica
y clasificación.
Por su parte el Modelo de Usuario, implica obtener y gestionar la información “personal” que caracterice al usuario. Además de que la interfaz del sistema IA4SENSE pueda
ser personalizada para adaptarse a los gustos, características y necesidades del usuario, el sistema será capaz de aprender progresivamente y de forma transparente de las necesidades de sus usuarios y crear un perfil que facilite
su uso a partir de las interacciones realizadas por el usuario con anterioridad. La ”personalidad” de IA4SENSE podría incluso llegar a perfilarse, adaptando la carga emocional y afectiva de sus interacciones y comunicaciones al
perfil del usuario. Esta característica se aplicará a tres niveles:
Por otra parte tenemos el Sistema Experto, y el sistema de adquisición de conocimiento del mismo, que darán soporte a las soluciones concretas de:
En contraposición a los modelos clásicos de sistema expertos, que emulan el conocimiento de un experto humano incorporado a una máquina, los sistemas expertos de IA4SENSE se conciben sobre una base de conocimientos DINÁMICA, en base a inferencias y el análisis de datos históricos de otros pacientes con características similares.
En el caso del Sistema Experto para Diagnóstico, la base de conocimiento del mismo
se configurará de forma automática a partir de la digitalización y la extracción de información semantizada (mediante técnicas de procesamiento de lenguaje natural) proveniente de los miles de expedientes clínicos de diagnóstico
de trastornos depresivos preexistentes. Entre otros aspectos se recogerá el máximo de información posible para caracterizar a los pacientes;
Y por otra se recogerá el máximo de información sobre la sintomatología del paciente: Estado emocional, estado físico, pensamientos, etc.
Toda esta información será analizada mediante algoritmos de aprendizaje automático NO supervisados con lo que se obtendrán correlaciones entre las diferentes variables en liza, las cuales constituirán la base de conocimiento del sistema experto de diagnóstico.
El sistema experto se articulará como una herramienta de soporte
a la labor del psicólogo. El psicólogo irá introduciendo en el sistema (de forma guiada y parametrizada) toda la información asociada al paciente (información personal, contextual y sintomatología), y el sistema devolverá al psicólogo
un valor porcentual, referido a la probabilidad de que el paciente tenga un trastorno depresivo, de que tipo y de que grado. Asimismo en el caso de diagnósticos no claros, puede trasladar una serie de recomendaciones para la obtención
de mayor información o para Objetivizar la misma.
Para facilitar el aprendizaje del sistema y garantizar la bondad del sistema de adquisición de conocimiento, se implementarán adicionalmente algoritmos de aprendizaje supervisado, para que los Outputs del sistema de Diagnóstico sean verificados por parte de los psicólogos o psiquiatras, al menos en las fases iniciales.
Nótese que el sistema de aprendizaje se basa en una base de conocimientos (dinámica)
en constante evolución, que irá autoaprendiendo de si misma y de los nuevos diagnósticos que se incorporen a la base de conocimientos.
En el caso del Sistema Experto para la prescripción de tratamientos de trastornos depresivos, el mismo se concibe como un complemento del sistema de Diagnostico. Una vez se ha obtenido un determinado diagnóstico, el sistema experto tendrá la capacidad de diseñar un tratamiento específico para cada
persona, que atienda a sus características diferenciales.
La base de funcionamiento del sistema de adquisición de conocimiento del Sistema para la prescripción de tratamientos, comparte parcialmente el funcionamiento del
sistema de Diagnóstico (extracción dinámica de información de miles de expedientes clínicos), pero de una forma más compleja si cabe, habida cuenta de la multitud de variables adicionales que entran en juego asociadas a los diferentes
tratamientos posibles y la combinación entre los mismos.
Por una parte el sistema accederá a los datos clínicos preexistentes (Expedientes digitalizados) de los cuales extraerá mediante una combinación entre algoritmos basados en el árboles de decisión y algoritmos basados en redes neuronales, conceptos y relaciones clave ente los conjuntos de datos textuales asociados a las características personales de los pacientes, los diagnósticos, el detalle exhaustivo de los tratamientos prescritos (fármacos, etc.), y la evolución
de los pacientes y sus síntomas a lo largo del tiempo y de los diferentes tratamientos prescritos.
Todo ello se retroalimentará mediante la búsqueda y catalogación automática de información heterogénea distribuida, tales
como; artículos y literatura biomédica sobre la depresión publicada en la web, la cual se convertirá en información estructurada dentro de la base de conocimiento del sistema experto.
Finalmente mediante técnicas de Simulación Dinámica (DSM) se realizarán diferentes simulaciones sobre los efectos de los diferentes posibles tratamientos, obteniéndose como resultado una recomendación del mejor tratamiento “posible” para cada paciente (asociado a sus características personales
y al tipo y grado de la enfermedad).
La simulación dinámica, es una herramienta idónea para construir modelos que reproduzcan el comportamiento de sistemas complejos. Una vez construido, el modelo puede ser simulado empleando
un conjunto de supuestos o estrategias alternativas. Cada simulación dará lugar a un conjunto de resultados y la comparación de las distintos resultados permitirá elegir el escenario más favorable en función de los objetivos perseguidos.
Como
en el caso anterior, el sistema de aprendizaje del sistema Experto IA4SENSE para la prescripción de tratamientos, se basa en una base de conocimientos (dinámica) en constante evolución, que irá autoaprendiendo de si misma, tanto
de los nuevos tratamientos que se incorporen a la base de conocimientos, como de la información médica externa que se vaya captando.
Uno de los objetivos técnicos que presenta el proyecto IA4SENSE es lograr diseñar y desarrollar una arquitectura que presente la suficiente flexibilidad como para soportar las diferentes configuraciones
de la plataforma resultante.
En este caso no basta únicamente con una arquitectura modular y extensible sino que es necesario que la plataforma resultante de la arquitectura sea fácilmente configurable (sin necesidad de
modificar el código) para ser ejecutada en distintos entornos tanto hardware como software. La arquitectura deberá permitir configurar la plataforma en:
De esta forma se pretende lograr el desarrollo de una plataforma que presente una gran flexibilidad, de forma que se facilite su comercialización directa en distintos entornos y para diferentes tipos de usuarios objetivo.
Otro
de los objetivos del proyecto IA4SENSE, es lograr captar el máximo de información posible de los pacientes, mediante la monitorización y seguimiento de diferentes constantes fisiológicas y parámetros vitales, para luego cruzar
esta información con la asociada al tratamiento del paciente y su evolución.
En la actualidad existen múltiples dispositivos empleados en la monitorización y captura de diferentes constantes biológicas del paciente, información
que es enviada gracias al uso de diferentes tecnologías de comunicación a la red asistencial creándose de esta manera el canal necesario para soportar una gestión remota para al facultativo y el paciente.
Asimismo un concepto
que se ha puesto muy de moda, es el de “wearable”, referido “al conjunto de aparatos y dispositivos electrónicos que se incorporan en alguna parte de nuestro cuerpo interactuando continuamente con el usuario y con otros dispositivos
con la finalidad de realizar alguna función específica” Casi todas las variables biológicas (frecuencia cardiaca, tensión arterial, presión de oxígenos, electroencefalograma, temperatura corporal, frecuencia respiratoria, etc.
) pueden ser cuantificadas por este tipo de dispositivos.
El uso de wearables se ha popularizado ampliamente en el mundo clínico, ya que permite aplicar la tecnología al individuo y obtener datos biométricos que se utilizan
con fines terapéuticos, de diagnóstico o rehabilitación.
En el proyecto IA4SENSE, se pretende hacer un uso intensivo de la potencialidad de dichos dispositivos, mediante la selección de algunos dispositivos hardware con
presencia en el mercado (fitbit, polar, etc. ), así como la integración de las lecturas provenientes de las monitorizaciones efectuadas por dichos dispositivos, la interpretación de estas lecturas, su correlación con otras variables
asociadas a las características de la persona y la evolución de su tratamiento, y la adecuada gestión de las mismas, en un doble sentido; la información al médico especialista, y la retroalimentación automática al sistema IA4SENSE.
Por
todo ello el proyecto IA4SENSE, tendrá que habilitar una arquitectura distribuida que contemple la integración de dichos dispositivos.
Tampoco se debe de obviar el carácter confidencial de todos los datos embebidos dentro de IA4SENSE. Si hay datos reconocidos unánimemente como merecedores del más alto nivel de protección, éstos son los de salud. Por ello el diseño de la plataforma IA4SENSE deberá ser especialmente escrupuloso en
relación a la ciberseguridad, por el hecho de manejar datos de carácter personal muy sensibles, como diagnósticos, pruebas médicas, tratamientos, etc. Cualquier fallo de seguridad puede suponer
una amenaza grave para la salud y la privacidad de los pacientes. Además de los problemas legales y de reputación.
Por este motivo es vital que el proyecto IA4SENSE contemple al máximo los requerimientos de seguridad asociada
a la sensibilidad de los datos tratados y contemple entre otros aspectos la consideración e implementación de todas las normas de seguridad establecidas por HIPAA. (Health Information Portability and Accountability Act), principalmente
en la privacidad y seguridad de los datos del paciente.
Por último la plataforma IA4SENSE, también debe considerar la importancia de que la misma sea lo más interoperable posible, habida
cuenta del tratamiento masivo que quiere realizar de múltiples datos provenientes de múltiples fuentes. Para ello se tomará como referencia los estándares existentes en materia de los sistemas EMR (Electronic Medical Record) y
los sistemas de código abierto existentes.
El enfoque clave de los sistemas de EMR es el almacenamiento y recuperación eficiente y seguro de los datos, y las normas y estándares establecidos por los mismos. Entre dichos
estándares cabe citar los estándares HIPAA, HL7, y ANSI X12 EDI.
En el proyecto IA4SENSE será por tanto imprescindible hacer un importante esfuerzo para conocer todos los estándares existentes relacionados con el proyecto, y en la medida de lo posible tenerlos presentes para desarrollar una plataforma lo más interoperable posible.
aportados por el proyecto
La salud mental es uno de los problemas que actualmente y desde hace un tiempo viene afectando en mayor medida en la sociedad, en muchos de los casos constituyéndose en un problema social, ya que dicha afección trasciende en perjuicio del núcleo familiar de quien le padece y del entorno en el que vive.
De todas las enfermedades mentales la depresión es la dolencia mental que se da de forma más habitual: según la Organización Mundial de la Salud (OMS), es la primera causa de discapacidad en el mundo y se calcula que afecta a más de 350 millones de personas. En España, según el Libro Blanco de la depresión, el número de afectados podría ser de seis millones, y más de la mitad estaría sin diagnosticar.
La depresión es una enfermedad mental común que se presenta con al menos síntomas asociados a; perdida de interés o placer, energía disminuida, sentimientos de culpa o baja autoestima, alteraciones de sueño o apetito, y mala concentración. Estos trastornos pueden volverse crónicos o recurrentes y llevar a importantes fallas en la habilidad de un individuo para llevar a cabo sus tareas diarias. En casos severos, puede llevar hasta el suicidio.
Hay muchos tratamientos posibles para la depresión, pero también muchas barreras que lo obstaculizan. La Organización Mundial de la Salud estudio recientemente lo que llama ‘brechas terapéuticas’ en la atención en salud mental y encontró que la tasa media en el mundo de depresión no tratada es de aproximadamente 50%. En algunos países, recibe tratamiento para la depresión menos del 10% de los pacientes con depresión y cuando se recibe tratamiento muchas veces es inadecuado.
A continuación se citan las demoledoras conclusiones de algunos estudios internacionales:
La depresión es un trastorno mental de alta frecuencia en el mundo y que nos afecta a todos. Pero a diferencia de otros problemas mundiales de gran escala, hay soluciones para la depresión al alcance de la mano. Hay tratamientos eficaces y costo-efectivos disponibles que mejoran la salud y las vidas de millones de personas en todo el mundo afectadas por la depresión.
Se puede afirmar categóricamente, que la depresión es una enfermedad que se puede tratar y en muchos casos curar. Pero la realidad nos indica que no se hace, o no al menos con el rigor y la eficacia que cabría esperar para un problema de salud de tal envergadura. Se estima que en España un porcentaje superior al 50% de las personas que tienen un trastorno depresivo nunca han recibido tratamiento (psicofármacos o psicoterapia o combinación), y de los que inician el tratamiento, se estima que hasta el 43% de los pacientes abandona el tratamiento y otro porcentaje importante no lo cumple como le ha sido prescrito.
Las principales causas sobre las que argumenta esta falta de eficacia en la lucha contra la depresión, se encuentran:
Las consecuencias de no ofrecer una atención adecuada se han subestimado profundamente hasta la fecha. Teniendo en cuenta que una de cada cuatro personas experimenta un trastorno mental común, que la depresión es la primera causa de discapacidad y que el número de muertes por suicidio es el doble que el de accidentes de tráfico, tanto en España como en el resto de Europa, resulta evidente que el tratamiento de la salud mental debe ser una prioridad.
Con todo ello, resulta más que evidente que es necesario un cambio radical en la estrategia de abordaje de los trastornos depresivos, apostando por un nuevo enfoque efectivo de índole preventivo de estas patologías, a través de un diagnóstico precoz, así como la implementación de una terapia oportuna y la gestión eficaz de la misma.
Es cierto que hasta la fecha han existido ciertos obstáculos que han impedido un adecuado abordaje de la lucha contra la Depresión, pero dichos obstáculos se pueden superar hoy en gran parte, a través del uso intensivo de las tecnologías, y en concreto mediante el uso de las tecnologías de Inteligencia Artificial.
Esta es precisamente la justificación y motivación del proyecto IA4SENSE, y por el que se pretende explorar y explotar al máximo la potencialidad de la Inteligencia Artificial, para desarrollar soluciones efectivas que mejoren los procesos de Diagnóstico y Tratamiento de la Depresión, con un enfoque integral, multidisciplinar y costoeficiente.
Desde esta perspectiva, las soluciones desarrolladas en el marco del proyecto IA4SENSE, están plenamente orientadas a la consecución de este gran objetivo, la mejora de los procesos de Diagnóstico y Tratamiento de la Depresión. Todo ello desde una perspectiva eminentemente innovadora, que conlleva una serie de oportunidades, beneficios y ventajas directas, entre los que cabría destacar:
Detección temprana de trastornos depresivos entre los niños y adolescentes
Sobre la base de una solución chatbot diseñada para ser utilizada por parte de los centros educativos (en colaboración con los padres), que interactúe mediante conversaciones en lenguaje natural con los usuarios (niños&adolescentes) identificando síntomas
y posibles indicadores de sufrir un trastorno depresivo, así como detectando palabras y expresiones clave, que puedan ser precursoras de situaciones de alerta (suicidios).
Dicha solución se plantea como
una herramienta de apoyo a los centros educativos y a los profesores, que les ayuden a identificar y detectar precozmente la posible existencia de trastornos depresivos entre los niños y adolescentes. Evitando de esta manera las consecuencias
de la aparición de este tipo de cuadros, que pueden variar desde un empeoramiento en la rendimiento académico del niño, hasta un retraso en el desarrollo intelectual y social del menor, o incluso al suicidio en el peor de los casos.
La incidencia de la depresión entre los niños y los adolescentes es una grave realidad silenciada. Aproximadamente un 5% tendrá un episodio depresivo antes de cumplir los 19 años y la realidad es que menos de la mitad de estos niños
recibirá el tratamiento adecuado. Su prevención debe entenderse como una actuación multidisciplinar que implica a diversos ámbitos: sanitario, familiar, y, por supuesto al sector educativo, dado que los niños y adolescentes pasan la
gran mayoría de su tiempo en los centros educativos.
En la actualidad los centros educativos carecen de las herramientas necesarias que les apoyen en los procesos de identificación de posibles cuadros depresivos. Aunque existen
ciertos protocolos de actuación lo cierto es que en la mayoría de los casos, casi todo se basa en la intuición y el buen hacer de los profesores. En el caso de los padres también es necesario involucrarles en el conocimiento de la
enfermedad, que conozcan que síntomas provoca y cuáles deben ser las medidas de actuación.
Con todo ello la solución para la Detección temprana de trastornos depresivos entre los niños y adolescentes, planteada en el proyecto
IA4SENSE, dotará a los centros educativos y a los padres de las herramientas que les permitan de un manera objetiva identificar precozmente la existencia de un cuadro depresivo y tomar las medidas necesarias para prevenirlo o tratarlo.
Mejorar los procesos de Diagnóstico de la Depresión
Los procesos de detección y Diagnóstico de la Depresión en la actualidad tienen muchas carencias. En teoría la atención primaria (médico de familia) de los sistemas de salud constituye el espacio idóneo para el abordaje de este tipo de problemas, así
lo recomienda también la OMS, promoviendo este primer nivel asistencial como el lugar lógico para dar la primera respuesta (DIAGNOSTICO) y luego ser derivado al médico especialista (psicólogo/ psiquiatra) para confirmar el diagnóstico
y prescribir el TRATAMIENTO.
La realidad nos indica que este primer filtro no funciona adecuadamente. Diferentes estudios cifran que el porcentaje de personas con depresión que acuden a los servicios de atención primaria,
y que fueron adecuadamente diagnosticadas, fue tan solo del 22% (Serrano-Blanco et al. 2009). Otros estudios cifran el porcentaje de personas adecuadamente diagnosticadas en un 40%. En cualquier caso cifras muy alarmantes, si consideramos
que más del 60% de las personas que tienen depresión no son diagnosticadas (infradiagnóstico).
Además del infradiagnóstico, también se dan situaciones de sobrediagnóstico. Es decir personas que no tienen depresión, sino otras
enfermedades (por ejemplo; ansiedad), que son diagnosticadas de forma incorrecta. El porcentaje de personas que sufre sobrediagnóstico, es estima en un 27%.
Entre las causas que justifican estos errores se encuentra la escasez
de recursos y tiempo por parte de los médicos de atención primaria para hacer una adecuada entrevista clínica y la dificultad para hacer un adecuado diagnóstico debido a las complejidades etiopatogénicas de la enfermedad, el enmascaramiento
de los síntomas; y la inexistencia de pruebas complementarias específicas ni de marcadores biológicos.
En el marco del proyecto IA4SENSE, se plantea el desarrollo de una solución específica que proporcione a los profesionales
médicos, los de atención primaria, pero también a los especialistas, de una herramienta tecnológica (sistema experto de diagnóstico) que les ayude a identificar exactamente los síntomas del paciente y a diagnosticar correctamente la
existencia o no de un cuadro depresivo.
Con todo ello se pretende mejorar el proceso de diagnóstico, reduciendo drásticamente el porcentaje de personas no diagnosticadas, o diagnosticadas incorrectamente y por ende no tratadas
adecuadamente.
Facilitar el acceso a un Diagnóstico
Lamentablemente el problema no solo radica en los errores en el Diagnóstico. Existen también problemas como la estigmatización que rodea a las enfermedades mentales, que impiden que personas enfermas jamás acudan al médico para diagnosticar su enfermedad.
O incluso problemas de accesibilidad (afortunadamente no es nuestro caso), hay muchos lugares en el mundo donde directamente es imposible poder acudir a donde un profesional médico para pronosticar la enfermedad.
Para
romper con estas limitaciones (estigma y falta de accesibilidad), el proyecto IA4SENSE se plantea desarrollar una solución de “Terapeuta Virtual” articulado sobre tecnología chatbot, que permitiría a cualquier persona a tener un primer
pronóstico sobre su estado de salud en relación a la depresión, así como trasladarle ciertas pautas de actuación.
De esta manera contaríamos con una excelente solución para dar una primera respuesta a aquellas personas que no
acuden al médico por miedo o vergüenza, o para aquellas personas que viven en comunidades con una oferta inadecuada de profesionales capacitados.
Mejorar los procesos de prescripción de Tratamientos
Identificar el tratamiento más efectivo para la depresión ha sido el objetivo de un importante cuerpo de trabajos científicos llevados a cabo principalmente en las últimas tres décadas.
Existen múltiples tratamientos posibles
para abordar la depresión. El más común por su sencillez es el tratamiento farmacológico (recetar antidepresivos), el cual puede resultar muy efectivo en el corto plazo, pero que se muestra totalmente ineficiente a largo plazo, donde
el mejor de los tratamientos posibles es el tratamiento psicológico (terapias). También es posible tratar a los pacientes de manera combinada (fármacos & terapia), o mediante otro tipo de técnicas (terapia electroconvulsiva, estimulación
magnética transcraneal, estimulación del nervio vago, etc.).
Lamentablemente en la actualidad el proceso de prescripción de un determinado tratamiento para la depresión no responde a causas objetivas (diagnóstico correcto, y
mejor tratamiento asociado a las características de cada persona), si no más bien, a un modelo de prueba error, que generalmente se inicia con un tratamiento farmacológico. Pero incluso en este caso es muy complejo encontrar la dosis,
el medicamento o la combinación de medicamentos más adecuados para cada persona.
En el marco del proyecto IA4SENSE, se plantea el desarrollo de una solución específica que proporcione a los profesionales médicos, una herramienta
tecnológica (sistema experto de tratamiento) que les ayude a identificar el mejor tratamiento posible para cada persona.
Con todo ello se pretende mejorar el proceso de prescripción de tratamientos para la depresión, aportando
una base empírica (experiencia) al proceso y eliminando las metodologías basadas en prueba error. Y de esta manera mejorando el nivel de respuesta a los tratamientos e incluso evitando los efectos secundarios de los medicamentos potencialmente
dañinos.
Detección temprana de trastornos depresivos en personas mayores
El colectivo de personas mayores en un colectivo especialmente vulnerable y predispuesto a la aparición de cuadros depresivos. Conviene destacar el alto riesgo de suicidio detectado en los enfermos con depresión senil, estimado en cuatro veces mayor que
en individuos deprimidos de menor edad.
El diagnóstico de la depresión senil sigue siendo fundamentalmente clínico, el cual se basa, a su vez, en la anamnesis y en la exploración del paciente para identificar
los síntomas depresivos. A las ya de por si complejidades asociadas a la detección de la enfermedad, hay que añadir un importante factor que interfiere negativamente a la hora de establecer el diagnóstico de depresión en el colectivo
de personas mayores. Este factor es la creencia muy extendida, no sólo en la comunidad, sino también entre el colectivo sanitario, de que la depresión es la consecuencia lógica del envejecimiento, creencia que en absoluto es respaldada
por datos clínicos y epidemiológicos.
La depresión es, junto con la demencia, la enfermedad mental más frecuente en los ancianos. El impacto de este trastorno está siendo cada vez más reconocido, aunque, desafortunadamente,
se trata aún de una enfermedad que pasa con frecuencia desapercibida. Sin embargo, es la responsable no sólo de un importante sufrimiento para el paciente y su entorno, sino también de un incremento en la prevalencia y mala evolución
de otras complicaciones médicas y, secundariamente, con un claro impacto en el consumo de recursos sanitarios.
Los datos que baraja la OMS, en torno a la salud mental del colectivo geriátrico, indican que el 25% de ellos presenta
algún tipo de trastorno psiquiátrico; entre tales trastornos destaca la depresión como el más frecuente hasta los 75 años. Sin embargo, la prevalencia de la depresión en este colectivo varía enormemente dependiendo de las circunstancias
en que los ancianos se encuentren:
A pesar de estas elevadas cifras de prevalencia, la depresión es la enfermedad mental del anciano con mejor pronóstico, dado su carácter reversible con un tratamiento adecuado.
La alta prevalencia de enfermedad depresiva en
los ancianos, en comparación con otras enfermedades, y las dificultades añadidas para diagnosticarla, justifica el compromiso del proyecto IA4SENSE de desarrollar herramientas específicas que estrechen la vigilancia sobre la aparición
de cuadros depresivos entre las personas de este colectivo.
Mejorar los procesos de seguimiento de pacientes
Actualmente los proceso de seguimiento en el tratamiento de trastornos depresivos, se realizan mediante una visita periódica al profesional de la salud, en la que se revisa el estado del paciente. Este modelo de seguimiento se muestra totalmente ineficiente,
y la consecuencia directa es que hasta el 43% de los pacientes abandona el tratamiento y otro porcentaje importante no lo cumple como le ha sido prescrito.
Es por ello que el proyecto IA4SENSE, se plantea
el desarrollo de herramientas tecnológicas específicas que mejoren el proceso de seguimiento de los pacientes, intentando minimizar al máximo las tasas de abandono de los tratamientos.
Apoyar a los familiares
Ayudar a una persona con depresión puede ser todo un desafío. Si una persona cercana sufre depresión, es muy probable tener sentimientos de impotencia y muchas dudas sobre que hay que hacer. Las familias muchas veces no entienden el problema, y tampoco
saben como tienen que actuar. Otras veces, siendo conscientes del posible problema de depresión que tiene su familiar, tampoco saben los pasos que hay que dar y menos cuando el familiar reniega de la enfermedad y se niega a acudir
a la consulta de un terapeuta. Además los familiares o amigos que conviven y cuidan a los que sufren esa enfermedad mental, pasan por momentos muy difíciles y también están en riesgo de desarrollar un cuadro depresivo.
Es
por ello que el proyecto IA4SENSE se plantea el desarrollo de una solución tecnológica que ayude a estos familiares a resolver sus dudas, y les apoye en el tránsito por la enfermedad de su familiar o cónyuge.
Pero además de
para las personas afectadas por la depresión, de manera transversal el despliegue del proyecto IA4SENSE también aporta una serie de beneficios directos e indirectos a los siguientes colectivos:
Planificación global y fases en las que se estructura
La duración del proyecto IA4SENSE se ha planificado en 33 meses, con comienzo el 1 de Abril de 2020 y finalización el 31 de diciembre de 2022. El proyecto se divide en 3 fases claramente diferenciadas dentro del proyecto:
FASE I: ESTUDIO PRELIMINAR Y DISEÑO DEL PROYECTO
Durante la primera fase se sentarán las bases del proyecto mediante un estudio de todas las tecnologías envueltas, que permitirá diseñar todos los aspectos relacionados con la ejecución del proyecto. Con esta fase se pretende asegurar que los objetivos
planteados en este documento queden cubiertos, diseñando un plan de ejecución que garantice el éxito global del proyecto. Asimismo se definirán los escenarios de validación concretos que establecerán las bases funcionales sobre las
que desarrollar las herramientas.
Esta FASE 1, engloba los paquetes de Trabajo PT1 de Análisis y Prospectiva y el PT2 relativo a la obtención de las Especificaciones y Requerimientos, tanto técnicos como
funcionales del proyecto.
FASE II: ETAPA DE DESARROLLO
Durante esta fase se implementarán toda la capa tecnológica y los módulos software, que soportarán el conjunto de soluciones que compondrán la plataforma IA4SENSE. En esta fase cobrará especial importancia
los desarrollos asociados al sistema inteligente, que estará compuesto por los módulos asociados a los subsistemas expertos de simulación y adquisición de conocimiento, también los desarrollos asociados al sistema conversacional y
los componentes asociados a los sistema de procesamiento de lenguaje natural y análisis y reconocimiento del habla, así como la Arquitectura del sistema, teniendo en cuenta los requerimientos de seguridad, confidencialidad, ubicuidad,
multiplataforma e integrabilidad de los diferentes componentes a integrar en el sistema.
La FASE 2, engloba los paquetes de Trabajo PT3 relativo al Sistema Inteligente, el PT 4 relativo al Sistema Conversacional y el PT 5 relativo
a la Arquitectura Tecnológica.
FASE III: INTEGRACIÓN Y VALIDACIÓN
EEn la última fase se integrarán todos los módulos desarrollados durante la Fase II, y se desarrollaran las herramientas, contenidos, conversaciones y dominios de conocimiento que configurarán los servicios a ser comercializados por
IA4SENSE obteniendo como resultado un prototipo completamente funcional de dichas soluciones.
De forma paralela se desarrollarán los experimentos asociados a la validación de las soluciones
desarrolladas en base a los escenarios de validación definidos durante la Fase I con el propósito de medir su efectividad y corregir sus posibles deficiencias. También se procederá a la difusión y su preparación para la explotación.
La
FASE 3, engloba los paquetes de Trabajo PT6 Servicios IA4SENSE, el PT7 Integración de las soluciones, el PT8 relativo a las Pruebas Piloto y Validación y el PT9 relativo a la Difusión y Explotación de Resultados.
Las tareas a realizar en el Proyecto se aglutinan dentro de 10 grandes Paquetes de Trabajo, que se interrelacionan tal y como muestra el siguiente cuadro:
En resumen, la Figura adjunta representa una visión general de todos los paquetes de trabajo del proyecto IA4SENSE y sus dependencias