Big-eRisk: Big-eRisk: Early Prediction of Personal Risks on Massive Data
La salud mental y el bienestar afectan directamente a nuestra forma de pensar, sentir o actuar. Los trastornos mentales son complejos y pueden manifestarse de formas muy diferentes. A pesar de la gravedad de estos trastornos, en un gran número de casos, los afectados no reciben ningún tratamiento o lo reciben tarde. La detección precoz puede reducir drásticamente los efectos adversos de los trastornos para los pacientes y, además, puede reducir sustancialmente los costes para la sanidad pública y los sistemas sociales.
Muchas personas utilizan las redes sociales como un medio cómodo para compartir emociones, sentimientos y pensamientos. La gran cantidad de publicaciones que los individuos hacen a diario puede ayudarnos a mejorar nuestra comprensión de sus estados mentales. Big-eRisk se centra en este reto y pretende desarrollar la primera generación de herramientas que apoyen a los sistemas sociales y sanitarios en la detección temprana de signos de riesgo psicológico.
Objetivos
O1. Desarrollar grandes colecciones y recursos y metodologías para evaluar los algoritmos y modelos de información para la predicción temprana de riesgos de trastornos psicológicos sobre la eficacia, eficiencia y escalabilidad.
O2. Definir métodos eficaces de búsqueda y filtrado textual y semántico a escala para localizar fragmentos de textos como evidencia candidata de trastornos psicológicos. Definir modelos de análisis tópico temporal eficientes y distribuibles para la investigación de las piezas textuales de evidencia.
O3. Desarrollar recursos lingüísticos relacionados con el dominio para entrenar modelos lingüísticos neuronales masivos y ayudar en el proceso de procesamiento del lenguaje natural.
O4. Desarrollar modelos eficientes para el rastreo, la ingestión y el procesamiento masivo de datos de medios sociales a escala.
O5. Definir métodos de inteligencia híbrida para la inclusión supervisada y semisupervisada del conocimiento experto de los profesionales de la salud mental, la revisión y la validación.
O6. Desarrollar modelos de recomendación de recursos fiables para individuos en riesgo con sugerencias reactivas y adaptables.
Proyecto
/research/projects/big-erisk-early-prediction-of-personal-risks-on-massive-data-
<p>La salud mental y el bienestar afectan directamente a nuestra forma de pensar, sentir o actuar. Los trastornos mentales son complejos y pueden manifestarse de formas muy diferentes. A pesar de la gravedad de estos trastornos, en un gran número de casos, los afectados no reciben ningún tratamiento o lo reciben tarde. La detección precoz puede reducir drásticamente los efectos adversos de los trastornos para los pacientes y, además, puede reducir sustancialmente los costes para la sanidad pública y los sistemas sociales.</p><p>Muchas personas utilizan las redes sociales como un medio cómodo para compartir emociones, sentimientos y pensamientos. La gran cantidad de publicaciones que los individuos hacen a diario puede ayudarnos a mejorar nuestra comprensión de sus estados mentales. Big-eRisk se centra en este reto y pretende desarrollar la primera generación de herramientas que apoyen a los sistemas sociales y sanitarios en la detección temprana de signos de riesgo psicológico.</p><p>O1. Desarrollar grandes colecciones y recursos y metodologías para evaluar los algoritmos y modelos de información para la predicción temprana de riesgos de trastornos psicológicos sobre la eficacia, eficiencia y escalabilidad.</p><p>O2. Definir métodos eficaces de búsqueda y filtrado textual y semántico a escala para localizar fragmentos de textos como evidencia candidata de trastornos psicológicos. Definir modelos de análisis tópico temporal eficientes y distribuibles para la investigación de las piezas textuales de evidencia.</p><p>O3. Desarrollar recursos lingüísticos relacionados con el dominio para entrenar modelos lingüísticos neuronales masivos y ayudar en el proceso de procesamiento del lenguaje natural.</p><p>O4. Desarrollar modelos eficientes para el rastreo, la ingestión y el procesamiento masivo de datos de medios sociales a escala.</p><p>O5. Definir métodos de inteligencia híbrida para la inclusión supervisada y semisupervisada del conocimiento experto de los profesionales de la salud mental, la revisión y la validación.</p><p>O6. Desarrollar modelos de recomendación de recursos fiables para individuos en riesgo con sugerencias reactivas y adaptables.</p> - David Enrique Losada Carril, Pablo Gamallo Otero, Juan Carlos Pichel Campos - César Alfredo Piñeiro Pomar, Marcos Fernández Pichel
projects_es