Depression Severity Estimation on the Internet: New Models and Resources

• Autores: Anxo Pérez
• Directores de la Tesis: Álvaro Barreiro García (dir. tes.) , Javier Parapar (codir. tes.)
• Lectura: En la Universidade da Coruña ( España ) en 2024
• Idioma: inglés
• Número de páginas: 159
• Tribunal Calificador de la Tesis: Fidel Cacheda (presid.) , David Enrique Losada Carril (secret.) , Flor Miriam Plaza del Arco (voc.)
• Enlaces
  • Tesis en acceso abierto en: RUC
• Resumen
  • español

    Existe evidencia proveniente de los campos de la medicina y psicolingüística sobre cambios en el uso del lenguaje de personas que sufren problemas de salud mental. Por otro lado, las redes sociales proporcionan un amplio repositorio de lenguaje escrito. Hay una tendencia reciente en lingüística computacional donde los investigadores buscan explotar publicaciones en las redes para detectar usuarios en riesgo. En esta tesis, seguimos esa línea en el campo de detección de la depresión. Sin embargo, un defecto de estas investigaciones es la necesidad de una mayor interpretabilidad de las decisiones de los modelos. Para mitigar ese problema, investigamos el desarrollo de modelos basados en síntomas validados clínicamente. Las contribuciones de esta tesis tienen tres enfoques: i): nuevos modelos para la estimación de la gravedad basados en marcadores de síntomas, ii) creación de colecciones para ayudar al desarrollo de métodos basados en síntomas, y iii) la exploración de los recientes modelos masivos de lenguaje para ayudar en la creación de colecciones. Buscando una integración práctica de los modelos de detección de la depresión, incorporamos nuestras aportaciones a una plataforma demostrativa para su uso por parte de clínicos. Esta tesis contribuye a avanzar en la comprensión y detección de la depresión a través de sus síntomas, y sienta bases para futuras investigaciones en el área de la detección de la depresión en las redes sociales.

  • English

    On the one hand, there is extensive evidence from medicine and psycholinguistics fields of changes in language usage from people suffering from mental health problems. On the other hand, social media platforms provide a vast repository of written language.There is a recent trend in computational linguistics where researchers aim to exploit social posts to detect individuals at risk. In this thesis, we follow that line in the field of depression detection. A shortcoming in actual research efforts is the need for more interpretability of the models’ decisions. To mitigate that problem, we investigate the development of models based on validated clinical symptoms to identify depressive signs. The contributions of this thesis are three-fold: (i) new models for depression severity estimation based on symptom markers, (ii) the creation of new datasets for helping the development of new symptom-based approaches, and (iii) the exploration of recent massive large language models for helping with the scaling up of the datasets construction. As a final step, we incorporate the above contributions into a demonstrative platform to be used by health professionals. This thesis contributes to advancing the understanding and detection of depression through symptom markers, and lays the foundation for future research in this critical area of depression detection on social media.

  • galego

    Hai unha evidencia extensa que provén dos campos da medicina e a psicolingüística sobre os cambios no uso do lenguaxe das persoas que sofren problemas de saúde mental. Por outro lado, as redes sociais proporcionan un amplo repositorio de linguaxe escrito. Existe unha tendencia recente na lingüística computacional onde os investigadores buscan explotar publicacións nas redes para detectar usuarios en risco. Nesta tese, seguimos esa liña no campo da detección da depresión. Porén, un defecto das investigacións previas é a necesidade dunha maior interpretabilidade das decisións dos modelos. Para mitigar ese problema, investigamos o desenvolvemento de modelos baseados en síntomas validados clínicamente para identificar sinais de depresión. As contribucións desta tese teñen tres enfoques diferentes: i) novos modelos para a estimación da gravidade baseados en marcadores de síntomas, ii) a creación de coleccións para axudar ao desenvolvemento de métodos baseados en síntomas, e iii) a exploración dos recentesmodelos masivos de linguaxe para axudar a escalar a creación destes datasets. Como último paso, e na nosa procura dunha integración práctica dos modelos de detección da depresión, incorporamos as nosas aportacións anteriores a unha plataforma demostrativa para o seu uso por parte de clínicos. Esta tesis contribúe a avanzar na comprensión e detección da depresión a través de marcadores de síntomas, e asenta as bases para futuras investigacións nesta área crítica da detección da depresión nas redes sociais.