Evalúan los efectos del tratamiento con antidepresivos mediante el análisis de tuits de pacientes

Investigadores del Programa de Investigación en Informática Biomédica (GRIB) de la UPF y del Instituto Hospital del Mar de Investigaciones Médicas (IMIM) han detectado cambios conductuales y lingüísticos en los tuits en español publicados por usuarios con depresión que están tomando medicación para tratar esta enfermedad.

El trabajo ha sido publicado en el Journal of Medical Internet Research y ha sido dirigido por Ferran Sanz; con Angela Leis y Francesco Ronzano como primeros autores, quienes lo han llevado a cabo junto a Miguel Angel Mayer y Laura I Furlong, todos ellos del grupo de Investigación en Informática Biomédica Integrada.

La depresión es uno de los trastornos mentales más comunes. Según la Organización Mundial de la Salud, afecta a más de 322 millones de personas de todas las edades y es una de las principales causas de discapacidad en todo el mundo.

La posibilidad de realizar análisis masivos de los datos compartidos en redes sociales nos brinda nuevas posibilidades para comprender mejor el comportamiento de sus usuarios. En este estudio, mediante técnicas de Big Data y minería de textos, los científicos han analizado los tuits de usuarios que mencionaban estar tomando antidepresivos. El objetivo principal era detectar los efectos de esta medicación a través de la existencia de cambios en el lenguaje de sus tuits o en la forma en la que estos usuarios utilizaban Twitter.

En un estudio anterior, el equipo de investigadores observó que los usuarios de Twitter que potencialmente sufren depresión muestran características de comportamiento y lingüísticas particulares en sus tuits. En este artículo, se han centrado en los cambios en las características de los mensajes que pueden estar asociados con el tratamiento con antidepresivos.

Entre los resultados más destacables se observó que en los períodos en que los usuarios indicaban estar en tratamiento antidepresivo incrementaban su actividad tuiteando con mensajes más largos y disminuyendo la frecuencia de mensajes nocturnos. Además, mostraban una mayor interacción con otros usuarios (por ejemplo, mediante el aumento de menciones por tuit, que puede reflejar un interés en interactuar con más personas) y también un incremento de las emociones positivas, relacionadas con la felicidad y la sorpresa. "Podemos afirmar que los patrones de comportamiento de las personas que siguen un tratamiento con antidepresivos cambian y tienden a parecerse a los de individuos no depresivos", detalla Angela Leis.

Existen varios tipos de medicamentos antidepresivos, en concreto en este estudio se centran en los inhibidores selectivos de la recaptación de serotonina, que son los más utilizados para tratar la depresión. En primer lugar, seleccionaron timelines de usuarios que mencionan antidepresivos de este tipo en sus tuits. A continuación, "analizamos los cambios en los patrones conductuales y características lingüísticas de los tuits publicados mientras los usuarios están bajo tratamiento, en comparación con los tuits publicados por los mismos usuarios cuando era menos probable que estuvieran tomando estos fármacos", explica Francesco Ronzano. Se incluyeron en el estudio los timelines de 186 usuarios, los cuales incluían 668.842 tuits.

"El uso de las técnicas basadas en Big Data y minería de textos, que permiten detectar cambios en la forma en la que los usuarios interaccionan en sus redes sociales como Twitter, pueden ofrecernos nuevas oportunidades para el seguimiento y monitorización de pacientes que sufren uno de los problemas de salud más extendidos e invalidantes como es la depresión", concluye Ferran Sanz, catedrático del Departamento de Ciencias Experimentales y de la Salud (DCEXS) de la UPF y director del Programa de Investigación en Informática Biomédica (GRIB) del IMIM y la UPF.

Artículo de referencia:

Leis A, Ronzano F, Mayer MA, Furlong LI, Sanz F. Evaluating Behavioral and Linguistic Changes During Drug Treatment for Depression Using Tweets in Spanish: Pairwise Comparison Study. J Med Internet Res. 2020 Dec. doi: 10.2196/20920.