Acceso usuarios
Reyk Sayk Alemán Acuña, Eider Pereira Montiel, Ever A. Torres Silva, David Andrés Montoya Arenas
El propósito de esta revisión es analizar el uso del procesamiento de lenguaje natural en la investigación de trastornos mentales en adultos, como la depresión, la ansiedad y el duelo. Se realizó una búsqueda en cuatro bases de datos relevantes (PubMed, IEEE, ScienceDirect y LILACS) para identificar estudios publicados en español e inglés desde 2017 hasta 2022, sin restricciones en cuanto al país de origen. Se emplearon términos MeSH y de texto libre para identificar investigaciones sobre la aplicación del procesamiento de lenguaje natural en la detección de condiciones de salud mental, como la ansiedad, la depresión y el duelo. En total, se encontraron 136 estudios relacionados, de los cuales se seleccionaron 32 para esta revisión. Se observó un aumento en el uso del procesamiento de lenguaje natural en salud pública, especialmente entre los años 2020 y 2022. Además, se notó que las redes sociales son una fuente de datos frecuentemente utilizada en estos estudios, y que los modelos de aprendizaje automático supervisados son los más comunes para la detección de depresión y ansiedad. El procesamiento de lenguaje natural puede mejorar la detección de problemas de salud mental en la salud pública. Aunque los métodos de aprendizaje supervisado son los más comunes, los algoritmos basados en aprendizaje profundo presentan perspectivas innovadoras, y se espera que esta tecnología continúe creciendo para mejorar la detección y el tratamiento de trastornos mentales. Es crucial seguir investigando y desarrollando estas tecnologías para su aplicación en salud pública.
The purpose of this review is to analyze the use of natural language processing in the research of mental disorders in adults, such as depression, anxiety, and grief. A search was conducted in four relevant databases (PubMed, IEEE, ScienceDirect, and LILACS) to identify studies published in Spanish and English from 2017 to 2022, with no restrictions on the country of origin. MeSH terms and free-text terms were used to identify research on the application of natural language processing in the detection of mental health conditions, such as anxiety, depression, and grief. In total, 136 related studies were found, of which 32 were selected for this review. An increase in the use of natural language processing in public health was observed, especially between the years 2020 and 2022. Furthermore, it was noted that social media is a frequently used source of data in these studies, and supervised machine learning models are the most common for detecting depression and anxiety. Natural language processing can enhance the detection of mental health issues in public health. While supervised learning methods are the most common, deep learning-based algorithms offer innovative perspectives, and it is expected that this technology will continue to grow to improve the detection and treatment of mental disorders. It is crucial to continue researching and developing these technologies for their application in public health.
