Towards Transparent Mental Health Insights: An Explainable AI Model for Career-Related Depression and Anxiety Among University Students Using Structured Data

Resumen Técnico: Hacia una visión transparente de la salud mental

Planteamiento del problema
El artículo aborda la creciente incidencia de la ansiedad y la depresión relacionadas con la carrera profesional entre los estudiantes universitarios, un desafío exacerbado por el acceso limitado a una atención de salud mental oportuna, el estigma que rodea la búsqueda de ayuda y la naturaleza intensiva en recursos de las prácticas diagnósticas convencionales. Los métodos tradicionales dependen en gran medida de observaciones clínicas subjetivas de señales verbales y no verbales, que a menudo son inaccesibles en entornos de bajos recursos. Además, los enfoques actuales de aprendizaje automático suelen sufrir de una falta de sensibilidad cultural (centrándose frecuentemente en poblaciones occidentales), una integración deficiente de datos multimodales y una naturaleza de "caja negra" que obstaculiza la confianza del clínico. Los autores identifican una brecha específica en la detección de problemas de salud mental relacionados con la carrera dentro de diversos sistemas educativos, como los de Pakistán, manteniendo al mismo tiempo la privacidad de los datos y la interpretabilidad del modelo.

Metodología
El marco propuesto es un sistema de IA Explicable (XAI) diseñado para detectar la depresión y la ansiedad relacionadas con la carrera utilizando datos conductuales estructurados y características de las emociones faciales. La metodología se construye sobre los siguientes componentes:

• Fuente de datos: El estudio utiliza el conjunto de datos "Student Mental Health Survey", que comprende respuestas estructuradas (edad, género, GPA, satisfacción académica, preocupaciones financieras, etc.) de 512 estudiantes universitarios en Pakistán. El conjunto de datos está etiquetado en "Deprimido" (moderado a severo) y "No Deprimido" (síntomas leves o nulos).
• Extracción de características multimodales:
  • Datos estructurados: Atributos demográficos y situacionales.
  • Características faciales: Utilizando la herramienta OpenFace, el sistema extrae la postura de la cabeza (pitch, yaw, roll), la dirección de la mirada (ángulos de radianes) y las Unidades de Acción Faciales (AUs), incluyendo presencia e intensidad.
• Aprendizaje Federado (FL): Para preservar la privacidad y permitir la colaboración entre instituciones sin compartir datos brutos, se emplea un paradigma de Aprendizaje Federado. Los modelos locales se entrenan con datos institucionales y solo las actualizaciones del modelo (gradientes/pesos) se agregan centralmente.
• Arquitectura del modelo: El núcleo del sistema es una Red Neuronal Multimodal (MNN) que utiliza una estrategia de Fusión Intermedia. Este enfoque agrega las salidas de varias modalidades antes de la capa de predicción final, en lugar de fusionar las entradas brutas (fusión temprana) o las salidas de decisión (fusión tardía).
  • Se evaluaron tres arquitecturas: Bi-LSTM, Window Block LSTM (WBLSTM) y Transformer.
  • Se integran Mecanismos de Atención para priorizar las características significativas de diferentes fuentes de datos.
• Suavizado de etiquetas (Label Smoothing): Para abordar la subjetividad inherente y la incertidencia en el etiquetado de los estados de salud mental (particularmente al distinguir la depresión leve/moderada), se aplica el suavizado de etiquetas. Esta técnica suaviza las etiquetas rígidas durante el entrenamiento para mejorar la generalización y reducir el sobreajuste.
• Explicabilidad (XAI): El sistema incorpora Gradientes Integrados (IG) y SHAP (SHapley Additive exPlanations) para rastrear las predicciones hasta las características de entrada, garantizando la transparencia para los profesionales de la salud mental.

Resultados Clave
La evaluación experimental se llevó a cabo en el conjunto de datos Student Mental Health Survey, comparando diversas estrategias de fusión y arquitecturas de modelos:

• Métricas de rendimiento: El modelo Window Block LSTM (WBLSTM) con Fusión Intermedia y Suavizado de Etiquetas (0.05, 0.95) logró el mejor rendimiento general:
  • Precisión (Accuracy): 91.67%
  • Puntuación F1 Macro: 88.89%
  • Precisión (Precision): 91.40%
  • Sensibilidad (Recall): 87.03%
  • Puntuación F1 Micro: 91.44%
• Comparación con Baselines: Los modelos propuestos superaron significativamente a las arquitecturas de referencia (Bi-LSTM estándar y Transformer sin fusión avanzada o suavizado). Los modelos base tuvieron dificultades con el desequilibrio de clases, logrando precisiones alrededor del 68.75% y fallando en identificar verdaderos positivos de manera efectiva (por ejemplo, el Bi-LSTM base tuvo 0 Verdaderos Positivos).
• Impacto del Suavizado de Etiquetas: La aplicación del suavizado de etiquetas fue crítica. Para el modelo Bi-LSTM, una configuración de suavizado de (0.3, 0.7) mejoró la precisión al 91.67% y eliminó los falsos positivos, demostrando la capacidad de la técnica para manejar etiquetas ruidosas y mejorar la robustez.
• Atribución de Características: El análisis de Gradientes Integrados reveló que ciertos marcadores conductuales fueron los más influyentes en la predicción de la depresión. Los principales contribuyentes positivos incluyeron AU07_c (depresor del ángulo de la comisura labial), AU26_c (caída de la mandíbula) y AU25_c (separación de labios), así como Gaze_y y Pose_Ry (rotación de la cabeza). Estos hallazgos se alinean con las teorías psicológicas respecto al retraimiento social y la reducción de la expresividad facial en individuos deprimidos.

Significancia y Reivindicaciones
El artículo sostiene que su principal contribución radica en el desarrollo de un sistema de IA escalable, que preserva la privacidad y es culturalmente sensible para el prediagnóstico de la salud mental. Al combinar el Aprendizaje Federado con la Fusión Intermedia Multimodal, el estudio demuestra que es posible lograr una detección de alta precisión sin comprometer la privacidad de los estudiantes ni la soberanía de los datos.

Los autores enfatizan la importancia de la Explicabilidad en este dominio. Al utilizar IG y SHAP, el modelo va más allá de una "caja negra", identificando marcadores conductuales específicos e interpretables (como la evitación de la mirada directa y la menor expresividad facial) que se alinean con la teoría psicológica. Esta transparencia se presenta como esencial para generar confianza entre los profesionales de la salud mental y facilitar la integración de herramientas de IA en los servicios de apoyo estudiantil.

El estudio concluye que las arquitecturas de fusión intermedia, particularmente cuando se combinan con el suavizado de etiquetas, ofrecen una solución robusta para manejar los matices y los desequilibrios de clase inherentes a los datos de salud mental. Los autores posicionan este trabajo como un paso hacia la creación de soluciones de IA éticas, interpretables y efectivas que puedan adaptarse a poblaciones estudiantiles globales, reconociendo la necesidad de investigaciones futuras para expandir los conjuntos de datos a poblaciones globales más diversas e incorporar capacidades de intervención en tiempo real.