Aprendizaje profundo aplicado a la detección temprana de riesgos de juego patológico

Abstract

La salud mental juega un papel muy importante en nuestras vidas, sin embargo, todavía se percibe como un tabú en nuestra sociedad. Muchos pacientes, junto con sus familias, se ven obligados a sufrirlo en silencio, sin recibir el apoyo y la comprensión necesaria. A falta de una implicación real por parte de la sociedad, las redes sociales juegan un papel crucial. Cada vez más personas entienden las redes como espacios donde compartir sus experiencias y preocupaciones, incluyendo aquellas relacionados con la salud mental.

Es importante destacar que los textos escritos en las redes sociales pueden ser indicativos de posibles problemas, muchos pacientes con trastornos mentales comienzan a dar indicios y síntomas en estas plataformas. Sin embargo, debido a la gran cantidad de datos generados a diario, resulta inviable tratar esta información utilizando los medios tradicionales. Es en este punto donde las técnicas de inteligencia artificial han avanzado lo suficiente como para tener aplicaciones en varios campos y, por tanto, tienen la capacidad y el deber de ayudar a mejorar la detección y la prevención de problemas de salud mental.

En este Trabajo de Fin de Grado se aplican una serie de técnicas de aprendizaje profundo con el objetivo de desarrollar un sistema eficiente y preciso que asista en la detección de posibles indicios de trastornos mentales, como puede ser la ludopatía. Para ello, se participará en una de las competiciones más importantes de este campo, la edición del 2023 de eRisk. Para participar en esta tarea compartida sobre detección precoz en Internet de juego patológico, se desarrollará un modelo que, aplicado a las redes sociales, sea capaz de monitorizar a un paciente e identificar las primeras señales de una posible recaída.