A iniciativa é liderada por pesquisadores da Universidade de São Paulo (USP) e utiliza ferramentas de inteligência artificial para prever sinais de transtornos psicológicos a partir do conteúdo de postagens.

Entre as estratégias usadas, está a análise de postagens de contas seguidas pelo usuário e palavras usadas em publicações em rede social.

Como parte dos estudos científicos, está a criação de uma base de dados que conta com informações compartilhadas por cerca de 3,9 mil usuários do Twitter. A rede social éusada como blog pessoal e com milhões de usuários no país.

Além disso, cientistas envolvidos no estudo explicam que a análise dos conteúdos publicados por contas seguidas por esses usuários também é importante. Pois, pessoas tendem a acompanhar pessoas que compartilham interesses em comum.

Modo de trabalho

“Inicialmente fizemos uma coleta nas timelines em um trabalho artesanal, analisando textos de cerca de 19 mil usuários do Twitter, o que corresponde quase à população de uma pequena cidade. E depois usamos dois conjuntos – uma parte de usuários realmente diagnosticados com transtornos mentais e outra aleatória, que serviu de controle. Queríamos diferenciar pessoas com depressão e a população em geral”, afirmou um dos autores de artigo sobre a pesquisa, Ivandre Paraboni.

Nesse sentido, a linguagem é um dos focos principais para a análise dos estudiosos. Isso porque pesquisas no campo da saúde mental já demonstram que o uso de palavras específicas é comum entre pessoas que receberam o diagnóstico de transtornos mentais.

Entre os padrões verificados, está o uso predominante de expressões e verbos na primeira pessoa, além de temas como morte, crise e psicólogo. Além disso, os cientistas levam em consideração até mesmo os símbolos e os chamados “emojis”.

“Não divulgamos nenhum tweet nem o nome de usuários. Tomamos o cuidado de nem os próprios alunos envolvidos no projeto terem acesso a dados de usuários para proteger a identidade das pessoas”, ressalta Paraboni.

*Com informações da Agência FAPESP

Leia mais: