Detección de indicadores de salud mental en esquizofrenia por medio de sensado pasivo de datos en teléfonos celulares

 En el Centro de Investigación en Computación, Instituto Politécnico Nacional, el 25 de julio de 2023 se graduó el Ing. Brandon Alejandro Mosqueda González, como Maestro en Ciencias de la Computación. Defendió la tesis "Detección de indicadores de salud mental en esquizofrenia por medio de sensado pasivo de datos en teléfonos celulares". La tesis completa puede descargarse pulsando aquí.

Resumen. En el presente trabajo se estudia la detección de indicadores de salud mental en personas con esquizofrenia a partir de datos sensados pasivamente de teléfonos celulares con algoritmos de aprendizaje automático. Utilizando los datos generados en un estudio realizado en 2015 con personas que padecen esquizofrenia, se aborda el problema de la detección del bienestar mental con nuevas técnicas propias del área del aprendizaje automático, usando como referencia los resultados obtenidos por este primer estudio.
     El documento comienza con una introducción general sobre el sensado pasivo, la detección de indicadores de salud mental con técnicas computacionales y los objetivos. Posteriormente, en el capítulo 2, se discuten los trabajos previos en donde, de manera similar, se han aplicado algoritmos de aprendizaje automático para el modelo de diversos problemas mentales. Por otra parte, en el marco teórico (capítulo 3), se introducen los fundamentos teóricos de las tećnicas y algoritmos empleados para este trabajo. Se decidió incluir un capítulo completo para describir el conjunto de datos y todas las tareas de preprocesamiento y análisis que se llevaron a cabo por la gran importancia que tuvieron en los experimentos, este corresponde al capítulo 4. En el capítulo 5, la metodología, se presentan todos los experimentos realizados así como los resultados obtenidos, sin discutirlos a detalle por ser la parte central del capítulo 6, discusión de resultados. Finalmente, en el último capítulo, conclusiones y trabajo futuro, se destacan los resultados obtenidos y las consecuencias en investigaciones futuras sobre el estudio de la salud mental con aprendizaje automático.
     A pesar de que la detección de indicadores de salud mental se trata de un problema bastante complejo, uno de los principales aportes de esta investigación sugiere que el bienestar mental en personas con esquizofrenia puede ser modelado con una precisión aceptable con algunas pocas variables obtenidas a partir de los sensores de teléfonos celulares y con algoritmos de aprendizaje explicables de eficiente implementación.

 Abstract. The present work studies the detection of mental health indicators in people with schizophrenia from passively sensed data from cell phones with machine learning algorithms. Using data generated in a study conducted in 2015 with people suffering from schizophrenia, we address the problem of detecting mental well-being with new techniques from the area of machine learning, using the results obtained by this first study as a reference.
     The paper begins with a general introduction on passive sensing, the detection of mental health indicators with computational techniques and the objectives. Subsequently, in Chapter 2, previous works where, in a similar way, machine learning algorithms have been applied to model various mental problems are discussed. On the other hand, in the theoretical framework (Chapter 3), the theoretical foundations of the tećnics and algorithms employed for this work are introduced. It was decided to include a complete chapter to describe the data set and all the preprocessing and analysis tasks that were carried out because of the great importance they had in the experiments, this corresponds to chapter 4. In chapter 5, the methodology, all the experiments performed are presented as well as the results obtained, without discussing them in detail because it is the central part of chapter 6, discussion of results. Finally, the last chapter, conclusions and future work, highlights the results obtained and the implications for future research on the study of mental health with machine learning.
     Although the detection of mental health indicators is a rather complex problem, one of the main contributions of this research suggests that mental well-being in people with schizophrenia can be modeled with acceptable accuracy with a few variables obtained from cell phone sensors and with explanatory learning algorithms of efficient implementation.