Los problemas de salud mental se han vuelto más claros en medio de la pandemia. Depresión se volvió endémicopero todavía también a menudo pasa desapercibido. Incluso cuando lo hace, los proveedores de atención médica lucha para satisfacer la demanda. Dos mujeres ingenieras, que habían experimentado depresión y tenían problemas para encontrar terapia, pensaron que la respuesta podría ser ayudar a los profesionales médicos a detectar la depresión.
Kintsugi es una startup que quiere poner la tecnología a trabajar en el problema. La cofundadora y directora ejecutiva, Grace Chang, vio esto como un problema de acceso: ambos fundadores experimentaron episodios de depresión y les resultó difícil conseguir ayuda de los médicos, lo que los llevó a pensar en ello desde su perspectiva como ingenieros.
Pensaron que si era posible identificar a las personas que más necesitaban terapia, sería más fácil lograr el objetivo de dirigir a esas personas al tratamiento adecuado. Entonces, Chang y la cofundadora Rima Seiilova-Olson crearon una API para detectar la depresión a través de la voz.
“Vimos esto como un problema de infraestructura en el que hay tanta gente tratando de entrar por esa puerta principal, pero no mucha visibilidad sobre quién está severamente deprimido y quién está en esta fase baja a moderada. Y si podemos proporcionar esta información a esos profesionales, realmente podemos afectar profundamente el problema específico”, dijo.
¿Por qué voz?
Las personas que se sienten tristes tienden a tener una voz plana, algo que los médicos han observado durante décadas. Esto es cierto independientemente del idioma o la cultura y parece ser una reacción humana universal a la depresión, según Seiilova-Olson.
“El retraso psicomotor es el proceso de ralentización del pensamiento y de los movimientos musculares. Y es universal sin importar dónde nazcas o qué idioma hables”, dijo.
Los psiquiatras que observan a pacientes severamente deprimidos notan este síntoma, anotó Seiilova-Olson. Kintsugi está intentando utilizar la tecnología para construir un modelo de aprendizaje automático con muchas más muestras de las que cualquier médico individual podría ver en toda su vida. La solución mide la probabilidad de depresión en la escala GAD-7 (0-21), siendo cero muy bien y 21 muy deprimido. Después de que un paciente otorga el permiso, el médico puede obtener comentarios inmediatos en función de la puntuación. La puntuación, que pasa a formar parte de las notas del paciente, está protegida por el privilegio médico-paciente, según la empresa.
“Nuestro modelo de red neuronal ha sido entrenado en decenas de miles de voces deprimidas. Entonces puede ser como un grupo de psiquiatras, pero es mucho más sensible. Puede detectarlo incluso cuando la depresión está en niveles leves o moderados”, dijo.
Incluso antes de la pandemia, la depresión era rampante. los Informes de la Organización Mundial de la Salud que el 5% de los adultos en todo el mundo sufren de depresión clínica. Eso suma 280 millones de personas. Es la principal causa de discapacidad en el mundo, y no tiene por qué ser así.
La OMS informa que todas las formas de depresión, ya sean leves, moderadas o graves, son tratables si se detectan. Pero con demasiada frecuencia las personas con depresión sufren en silencio y no buscan ayuda para su condición. Un artículo de 2017 publicado en SSM Population Health Journal cita un estudio de 1999 que encontró que dos tercios de los casos de depresión en los EE. UU. no se diagnostican.
Esto es aún más trágico cuando se considera que 700.000 personas se quitan la vida cada año como resultado de la depresión, según la OMS. Entre los problemas para lograr que las personas reciban tratamiento se encuentra la falta de profesionales capacitados para ayudar a diagnosticarlo y el hecho de que los profesionales médicos tienden a abordar este problema solo cuando los pacientes informan síntomas, lo que puede ser poco confiable.
Encontrar una fuente de datos
Antes de que Chang y Seiilova-Olson pudieran construir un modelo para detectar la depresión a través de la voz, necesitaban datos. El primer paso consistió en entrevistar a unos 200 psicólogos, psiquiatras y médicos. Aprendieron a través de su investigación que escribir un diario era una buena manera para que las personas resolvieran sus sentimientos.
Entonces, lo primero que hicieron fue crear una aplicación de diario de voz gratuita, también llamada Kintsugi. Con eso, pudieron acceder a miles de muestras de voz que usaron para entrenar al modelo sobre cómo suena una voz deprimida.
Si le preocupa la privacidad aquí, los términos de servicio indicaron que los datos podrían usarse con fines de investigación. En términos de seguridad, las entradas se cifran en tránsito y en reposo, pero también se pueden compartir públicamente si las personas se inclinan a hacerlo. Además, Chang dijo que deliberadamente tomaron la decisión de no utilizar el procesamiento de lenguaje natural, lo que mantiene el contenido de las revistas fuera de la ecuación. Su objetivo era simplemente entender cómo hablaban las personas, en lugar de lo que decían, lo que en realidad no era relevante para el problema que estaban tratando de resolver.
Chang dijo que esto resolvió tres problemas. Para empezar, no tenían que preocuparse por proteger la privacidad de sus usuarios individuales porque el contenido no era el objetivo de su investigación. También simplificó la tecnología subyacente y les permitió concentrarse en construir un sistema de puntuación basado en el patrón de la voz. Finalmente, el uso del reconocimiento de patrones les permitió ser independientes del idioma: no importaba lo que la gente dijera o el idioma que hablaran.
Construyendo la solución
Los fundadores pensaron largo y tendido sobre cómo incorporar esta solución en un entorno clínico y decidieron crear una API que se conecte a la sección de notas clínicas del registro de salud electrónico del paciente.
A veces se les pide a los pacientes que evalúen su propio estado de salud mental como parte del proceso de admisión de pacientes, pero a menudo no evalúan con precisión su condición. Ahí es donde entra en juego la solución Kintsugi.
“Tenemos una API, que es solo una capa de software que se integra en los centros de llamadas clínicas y las aplicaciones de telesalud… y es para que las enfermeras y los administradores de atención comprendan en ese corto período de tiempo, cuando hacen sus llamadas salientes a los pacientes, si eso el paciente está luchando con un problema de salud del comportamiento, y si el paciente está luchando para proporcionarle información sobre los diferentes tipos de atención disponibles para él o ella”, explicó Chang.
La empresa señala que mientras trabaja con la Administración de Alimentos y Medicamentos de EE. UU. para lo que se denomina aprobación de novo, la solución se identifica como una herramienta de apoyo a la decisión clínica bajo el Ley de curas del siglo XXI. Tales herramientas de soporte no requieren la aprobación explícita de la FDA, me dijeron los fundadores.
Kintsugi también realizó un estudio clínico y está en proceso de publicar un artículo en una revista revisada por pares con la Universidad de Arkansas para Ciencias Médicas (UAMS), pero no quiso compartir detalles hasta el anuncio oficial.
Las dos fundadoras se conocieron en un hackathon en 2019 y estaban emocionadas de encontrarse con otra mujer en un evento de este tipo, al que tienden a asistir principalmente hombres. Se unieron por un amor mutuo por la codificación y sus experiencias de inmigración similares: Chang creció en Taiwán, mientras que Seiilova-Olson creció en Kazajstán.
A medida que se conocieron, se dieron cuenta de que cada uno había tenido problemas para encontrar atención de salud mental cuando la necesitaban y comenzaron a explorar la idea de construir una solución para ayudar. Recaudaron una ronda semilla inicial de $ 8 millones para construir el producto el año pasado y otra Serie A de $ 20 millones a principios de este año.
La recaudación de fondos como dos mujeres inmigrantes fundadoras presentó sus propios desafíos únicos, dijo Chang. “La barrera para las mujeres es que no puedes pintar una historia de todas estas cosas que vas a hacer. Ya debes tener estas cosas hechas para que la gente invierta en ti, por lo que creo que es un gran desafío, probablemente no solo para las mujeres, sino también para las minorías en general, me imagino”, dijo.
No están solos en este espacio. Ellipsis Health, Sonde Health, Vocalis Health y Winterlight Labs están trabajando en soluciones similares basadas en voz para identificar condiciones de salud mental. Algunas de estas empresas han identificado problemas para proporcionar resultados consistentes en diferentes dialectos y datos demográficospero los fundadores de Kintsugi creen que su enfoque supera estos problemas.
Kintsugi ya tiene contratos con un par de grandes empresas de atención médica y está trabajando para aprovechar eso.
Source link