Aprovechamiento de laaugmentation de datos para modelos de aprendizaje automático en la predicción de depresión y...

Área de la Ciencia:

• Psiquiatría
• Aprendizaje automático
• Salud Pública

Sus antecedentes:

• 15 millones de personas en Pakistán se ven afectadas por la depresión y la ansiedad.
• Las limitadas instalaciones de salud mental y psiquiatras gubernamentales exigen herramientas de detección eficientes.
• Necesidad urgente de estrategias de intervención efectivas para abordar la crisis de salud mental.

Objetivo del estudio:

• Utilizar el aprendizaje automático (ML) con la Escala Revisada de Ansiedad y Depresión Infantil (RCADS) para una detección eficiente.
• Maximizar el uso de los recursos sanitarios existentes para las evaluaciones de salud mental.
• Facilitar la detección e intervención temprana de la depresión y la ansiedad en niños y adolescentes.

Principales métodos:

• Se utilizó un conjunto de datos de 89 casos (de 138 iniciales) con 47 ítems de RCADS.
• La selección de características implicó Chi-cuadrado, correlación de Spearman y Random Forest-Recursive Feature Elimination.
• Se realizaron aumento de datos y entrenamiento de seis algoritmos de ML (árbol de decisión, Random Forest, SVM, regresión logística, Naive Bayes, KNN), con los mejores modelos validados en conjuntos de datos aumentados y externos.

Principales resultados:

• El algoritmo Random Forest logró hasta un 81% de precisión promedio macro, precisión, recuperación y puntuación F1.
• Se encontró que laaugmentation de datos óptima es cuatro veces el tamaño del conjunto de datos original.
• El ítem 05 de RCADS mostró una correlación débil con la evaluación de depresión y ansiedad en la población del estudio.

Conclusiones:

• El algoritmo Random Forest, utilizando 46 características, es una herramienta adecuada para la detección de ansiedad y depresión.
• Este enfoque de ML muestra potencial como sistema de apoyo a la decisión para profesionales de la salud mental.
• El estudio destaca un método prometedor para mejorar la detección tradicional de ansiedad y depresión pediátrica.