Resumen: La detección temprana de trastornos de salud mental a partir de textos en las redes sociales es fundamental para permitir el apoyo oportuno, la evaluación de riesgos y la derivación a los recursos adecuados. Este trabajo presenta multiMentalRoBERTa, un modelo RoBERTa perfeccionado diseñado para la clasificación multiclase de afecciones de salud mental comunes, que incluyen estrés, ansiedad, depresión, trastorno de estrés postraumático (TEPT), ideación suicida y discurso neutral. A partir de múltiples conjuntos de datos seleccionados, se realiza una exploración de datos para analizar las superposiciones de clases, lo que revela fuertes correlaciones entre la depresión y la ideación suicida, así como la ansiedad y el trastorno de estrés postraumático, mientras que el estrés emerge como una categoría amplia y superpuesta. Experimentos comparativos con métodos tradicionales de aprendizaje automático, transformadores de dominio específico y grandes modelos de lenguaje basados en indicaciones demuestran que multiMentalRoBERTa logra un rendimiento superior, con puntuaciones macro F1 de 0,839 en la configuración de seis clases y 0,870 en la configuración de cinco clases (excluyendo el estrés), superando tanto a MentalBERT ajustado como a los clasificadores de referencia. Más allá de la precisión predictiva, se aplican métodos de explicabilidad, incluidos los gradientes integrados en capas y KeyBERT, para identificar señales léxicas que impulsan la clasificación, con un enfoque particular en distinguir la depresión de la ideación suicida. Los hallazgos enfatizan la efectividad de los transformadores ajustados para una detección confiable e interpretable en contextos sensibles, al tiempo que subrayan la importancia de la equidad, la mitigación de sesgos y los protocolos de seguridad con intervención humana. En general, multiMentalRoBERTa se presenta como una solución ligera, robusta y desplegable para mejorar el soporte en plataformas de salud mental.
Publicado originalmente en export.arxiv.org el 9 de noviembre de 2025.
Ver fuente original
