Maand: Architecture, Empirical Performance, and Multimodal Decision Governance for AI-Driven Virtual Mental Healthcare

La atención a la salud mental es una necesidad humana, pero para miles de millones de personas, sigue estando fuera de su alcance. Las barreras son a menudo prácticas y abrumadoras: la escasez de médicos capacitados, el alto costo de la terapia y la distancia entre un paciente y una clínica. En muchas partes del mundo, la brecha entre el número de personas que necesitan ayuda y el número de profesionales disponibles para brindarla es asombrosa. Incluso cuando existen herramientas digitales para cerrar esta brecha, a menudo se quedan cortas. La mayoría de las aplicaciones de salud mental actuales dependen de mensajes de texto simples, obligando a los usuarios a escribir sus sentimientos en un cuadro de chat. Este enfoque excluye a quienes no pueden hablar o escribir con facilidad, como las personas sordas o aquellas cuya ansiedad hace que escribir sea difícil. También pierde las señales no verbales sutiles en las que confían los terapeutas humanos, como una mano temblorosa, una postura encorvada o una expresión fugaz de miedo. Para apoyar verdaderamente a un paciente, un sistema necesita verlo y escucharlo, no solo leer sus palabras.

Investigadores de la Universidad de Ingeniería y Tecnología en Lahore han construido un nuevo tipo de terapeuta digital llamado Maand para abordar estas limitaciones. Esta plataforma está diseñada para ser un "psicólogo de bolsillo" que comprende más que solo texto. En lugar de una simple ventana de chat, Maand crea un espacio unificado donde un usuario puede hablar, escribir, usar lenguaje de señas o incluso interactuar con un entorno de realidad virtual. El sistema está construido para escuchar la voz, leer las expresiones faciales y rastrear los gestos de las manos en tiempo real, combinando todas estas señales para comprender cómo se siente una persona. Luego, utiliza este entendimiento para ofrecer una conversación de apoyo y guiar al usuario a través de espacios virtuales calmantes. El objetivo es proporcionar un nivel de atención que sea accesible para todos, incluyendo a los millones de personas en naciones en desarrollo que actualmente no tienen acceso a un psiquiatra con licencia.

El equipo detrás de Maand comenzó reconociendo que las soluciones digitales existentes son demasiado estrechas. Los chatbots populares a menudo operan solo a través de texto, ignorando la rica comunicación que ocurre a través de la voz y el lenguaje corporal. También carecen de la capacidad de detectar cuando un usuario está en peligro inmediato, como cuando alguien expresa pensamientos de autolesión. Maand fue construido para corregir estos fallos específicos. Los investigadores crearon un sistema que integra cuatro formas diferentes de interactuar. Un usuario puede escribir un mensaje, hablar por su micrófono, usar lenguaje de señas o simplemente sentarse en una sala virtual diseñada para reducir el estrés. El sistema procesa todas estas entradas simultáneamente. Si un usuario escribe un mensaje triste mientras su rostro muestra signos de angustia y sus manos están cerradas, el sistema reconoce el peso combinado de estas señales en lugar de tratarlas como eventos separados e independientes.

Para hacer esto funcionar, los investigadores desarrollaron una forma sofisticada para que la computadora "vea" y "entienda" la emoción humana. Entrenaron al sistema para reconocer expresiones faciales analizando fotogramas de video, buscando movimientos musculares específicos que indican sentimientos como alegría, tristeza o ira. Al mismo tiempo, el sistema analiza el texto que un usuario escribe para calibrar su estado emocional. También rastrea los movimientos de las manos, permitiendo que los usuarios sordos o con problemas de audición se comuniquen mediante el lenguaje de señas. El sistema reconoce más de cien gestos distintos, traduciéndolos en claves terapéuticas significativas. Toda esta información se alimenta a un cerebro central que decide cómo responder. Este cerebro está diseñado para ser empático y de apoyo, basándose en técnicas psicológicas establecidas para guiar la conversación.

La seguridad es un pilar central del diseño de Maand. Debido a que las conversaciones de salud mental involucran temas profundamente personales y a veces peligrosos, los investigadores integraron salvaguardas estrictas en el sistema. Si la computadora detecta palabras o frases que sugieren que un usuario está en crisis, detiene inmediatamente la conversación estándar y proporciona información de contacto de emergencia. Esto sucede de forma instantánea, asegurando que un usuario en angustia nunca se quede esperando una respuesta. El sistema también protege la privacidad mediante el cifrado de cada mensaje, haciéndolo ilegible para cualquier persona excepto el usuario y el sistema mismo. Incluso si alguien accediera a los datos almacenados, solo vería código cifrado. La plataforma también incluye una función que finaliza automáticamente una sesión si el usuario ha estado inactivo durante quince minutos, evitando la exposición accidental de información sensible.

Los investigadores probaron Maand rigurosamente para ver si podía manejar el uso en el mundo real. Simularon un escenario donde quinientas personas estaban usando el sistema al mismo tiempo. La plataforma logró mantener el ritmo de la demanda, respondiendo a los usuarios en menos de dos segundos en promedio. Esta velocidad es crucial para que una conversación se sienta natural y de apoyo. En pruebas con treinta y cinco personas reales, incluyendo estudiantes y psicólogos profesionales, el sistema recibió altas calificaciones por lo fácil que era de usar y por qué tan accesible era para personas con diferentes necesidades. Los participantes encontraron que el sistema podía entender con éxito su voz, su texto y su lenguaje de señas, y que los entornos de realidad virtual les ayudaron a sentirse más tranquilos.

Los resultados del estudio muestran que Maand es una herramienta viable para expandir el acceso a la atención de la salud mental. Logra combinar múltiples formas de comunicación en una experiencia única y cohesiva. Al reconocer que las personas se expresan de muchas maneras diferentes, el sistema ofrece una forma de apoyo más completa que los chatbots de solo texto. Los investigadores encontraron que el sistema podía detectar con precisión las emociones a partir de los rostros y el texto, y que podía interpretar una amplia gama de gestos manuales. Lo más importante es que el sistema demostró ser capaz de mantener un entorno seguro, privado y receptivo para los usuarios. Si bien los investigadores señalan que el sistema es una herramienta de asistencia y no un reemplazo de un médico humano, representa un paso significativo hacia adelante para hacer que el apoyo a la salud mental esté disponible para aquellos que han sido dejados atrás por los modelos de atención tradicionales.

El estudio también destaca el potencial de esta tecnología para ser adaptada a diferentes culturas e idiomas. El equipo ya está planeando expandir el sistema para incluir más gestos y dar soporte a idiomas locales como el urdu, lo que lo haría aún más útil para las comunidades que más lo necesitan. También pretenden probar el sistema en ensayos clínicos formales para ver qué tan efectivo es en el tratamiento de la depresión y la ansiedad a lo largo del tiempo. Por ahora, el trabajo demuestra que es posible construir un terapeuta digital que vea, escuche y comprenda a la persona de forma integral, ofreciendo un nuevo tipo de esperanza para millones de personas que actualmente no tienen a dónde acudir.