Aplicación de salud mental impulsada por IA con preservación de la privacidad de los datos

Área de la Ciencia:

• Salud Mental Digital
• Inteligencia Artificial
• Procesamiento del Lenguaje Natural

Sus antecedentes:

• Creciente prevalencia de trastornos de ansiedad, condiciones emocionales y estrés en la sociedad moderna.
• Alta demanda de tecnologías digitales de salud mental que ofrezcan soporte.
• Necesidad de sistemas de reconocimiento de emociones que preserven la privacidad.

Objetivo del estudio:

• Proponer un marco impulsado por IA para el reconocimiento de emociones en el texto del usuario.
• Integrar el Procesamiento del Lenguaje Natural (PLN) con sistemas de protección de la privacidad.
• Mejorar el soporte digital de salud mental a través de la detección precisa de emociones.

Principales métodos:

• Utilización de los modelos transformadores BERT-base-uncased y ModernBERT Large para la clasificación multietiqueta de emociones.
• Implementación de cifrado AES-256, autenticación Supabase y control de acceso basado en roles para la seguridad de los datos.
• Análisis del desequilibrio de clases en las emociones y evaluación de las compensaciones entre precisión y recuperación.

Principales resultados:

• ModernBERT demostró una convergencia rápida y una mayor sensibilidad al sarcasmo y a los estados emocionales mixtos.
• Desarrolló una arquitectura centrada en la privacidad para la integración con software de terapia digital y toma de decisiones clínicas.
• Diseñó un bucle de retroalimentación emocional para respuestas contextuales y atención plena personalizada.

Conclusiones:

• El marco de IA propuesto reconoce eficazmente las emociones en el texto utilizando modelos avanzados de PLN.
• La arquitectura centrada en la privacidad garantiza la seguridad de los datos y facilita la integración con las soluciones de salud digital existentes.
• El sistema ofrece potencial para intervenciones de salud mental digital mejoradas y personalizadas.