Detecci?n de depresi?n a trav?s de an?lisis textual utilizando aprendizaje autom?tico, 2017

Abstract

La presente tesis incluye la creaci?n de un modelo predictivo, el an?lisis, dise?o e implementaci?n de una aplicaci?n web usando an?lisis textual y aprendizaje autom?tico para la detecci?n precoz de la depresi?n, la cual es la principal causa de problemas de salud y discapacidad en todo el mundo. El objetivo de la investigaci?n es optimizar el tiempo de atenci?n de forma oportuna a probables pacientes con depresi?n, identificar caracter?sticas espec?ficas en individuos considerados con factores de riesgo de depresi?n y determinar los niveles de depresi?n a probables pacientes a trav?s del an?lisis textual utilizando aprendizaje autom?tico.

Se cont? con una muestra perteneciente a 596 alumnos de la Universidad C?sar Vallejo; a los cuales se le aplic? dos herramientas estandarizadas a nivel mundial ?Inventario de Beck II? y ?Test de Frases Incompletas Sacks? para hallar la depresi?n e identificar a las personas con el trastorno mental mencionado. Es preciso se?alar que el tipo de estudio es aplicado y exploratorio.

Cabe resaltar que, para el procesamiento y tratamiento de datos, se utiliz? la medida num?rica del an?lisis textual TF-IDF, las t?cnicas de aprendizaje autom?tico ?M?quina de Vectores de Soporte?, el servicio de Microsoft Azure Machine Learning con R.

Finalmente, los resultados indicaron que el modelo predictivo usado para el desarrollo de un aplicativo m?vil para detectar depresi?n tiene una exactitud del 99,2 %.