«`html

¿Pueden los modelos de inteligencia artificial detectar pensamientos suicidas en las redes sociales?

Cada año, más de 720.000 personas mueren por suicidio en el mundo, lo que lo convierte en una de las principales causas de fallecimiento entre los jóvenes adultos. Las redes sociales, como Reddit, se han convertido en espacios donde las personas expresan abiertamente su angustia psicológica, a veces de manera indirecta o metafórica. Un estudio reciente evaluó la capacidad de diferentes herramientas informáticas para identificar estas señales de sufrimiento en las publicaciones en línea.

Los investigadores compararon varios enfoques: modelos clásicos de aprendizaje automático, redes neuronales profundas y un modelo de lenguaje avanzado basado en inteligencia artificial. Los métodos tradicionales, como las máquinas de vectores de soporte o los bosques aleatorios, se probaron con representaciones semánticas de los textos. Las redes neuronales, como las CNN y las LSTM, también se evaluaron por su capacidad para capturar patrones contextuales y emocionales. Finalmente, un modelo de tipo GPT-2, especialmente adaptado, fue entrenado para clasificar los mensajes en dos categorías: suicidas o no suicidas.

Los resultados muestran que el modelo GPT-2 obtuvo el mejor rendimiento, con una precisión del 98,25 %. Logró distinguir de manera efectiva los mensajes de riesgo de aquellos que no lo eran, al tiempo que minimizaba los errores de clasificación. Entre las redes neuronales, la CNN alcanzó una precisión del 96,04 %, seguida de cerca por la LSTM con un 95,97 %. Los modelos clásicos, cuando se asociaban con representaciones semánticas como el codificador universal de frases, también demostraron una buena eficacia, con precisiones que superaban el 93 % para las mejores combinaciones.

El estudio destaca que los modelos basados en transformadores, como GPT-2, sobresalen en la captura de matices emocionales y dependencias contextuales largas. Estas capacidades son particularmente útiles para detectar expresiones indirectas de angustia, a menudo presentes en las publicaciones en redes sociales. Los modelos tradicionales, aunque menos eficientes, siguen siendo competitivos y más accesibles en términos de recursos computacionales.

Los investigadores también verificaron la robustez de los resultados repitiendo los experimentos con diferentes configuraciones y particiones de datos. El rendimiento de los modelos, en particular el de GPT-2 y la CNN, demostró ser estable y reproducible, confirmando su fiabilidad en este contexto.

Este estudio resalta la importancia de las herramientas de inteligencia artificial para identificar tempranamente señales de angustia en las redes sociales. Sin embargo, los resultados siguen siendo específicos de la plataforma Reddit y de los datos utilizados. Sería necesaria una validación adicional en otras redes y en diferentes idiomas para generalizar estas conclusiones.

«`

Sources du média

Document de référence

DOI : https://doi.org/10.1186/s43093-026-00867-w

Titre : A unified comparative evaluation of machine learning, deep learning and GPT-2 for suicide ideation detection from social media

Revue : Future Business Journal

Éditeur : Springer Science and Business Media LLC

Auteurs : Yasmeen Mohamed Saleh; Fahad Kamal Alsheref; Mahmoud Mohamed Bahloul