Modelo basado en técnicas de NLP y análisis acústico para detección temprana de posibles pacientes con tendencia al suicidio

Abstract

En el ámbito de la salud mental, la detección temprana de comportamientos suicidas es fundamental para prevenir posibles tragedias y brindar apoyo oportuno a las personas en riesgo. No obstante, la complejidad de los factores involucrados y la falta de herramientas de evaluación eficientes hacen que muchos casos pasen inadvertidos. Con el propósito de mitigar este problema, la presente tesis desarrolla un modelo basado en técnicas de Procesamiento del Lenguaje Natural (NLP) y análisis de audio para la detección temprana de posibles tendencias suicidas, proporcionando así un primer canal de apoyo a los pacientes y asistiendo a profesionales de la salud en la toma de decisiones preventivas. La primera fase de la investigación emplea algoritmos como VADER, metodologías de NLTK y Latent Dirichlet Allocation (LDA), para clasificar e identificar temáticas subyacentes asociadas a preocupaciones específicas. En la segunda fase, se presenta un modelo avanzado que integra la información textual con atributos de audio (entonación, ritmo, índices de energía, entre otros) obtenidos de grabaciones de voz de posibles pacientes y expertos en salud mental. Esta combinación de datos multimodales se procesa mediante técnicas de clasificación (Logistic Regression, Random Forest, entre otras), entrenadas sobre un conjunto de datos cuidadosamente compilados que incluyen tanto textos de redes sociales como audios transcritos. Así, se comparan ambos enfoques, evidenciando un aumento significativo en la capacidad de detección de riesgo gracias a la fusión de características textuales y acústicas. El flujo de la solución consiste en recibir la información del paciente a través de una aplicación, procesar dichos datos con el modelo unificado y, finalmente, emitir un diagnóstico basado en atributos clave. Los resultados obtenidos demuestran la eficacia de combinar técnicas de NLP con el análisis de audio para identificar indicadores de riesgo suicida de forma anticipada, contribuyendo así a la intervención oportuna y al fortalecimiento de la atención en salud mental.