A depressão sempre foi um assunto muito complexo de se lidar, pois há vários tipos de fatores que caracterizam ela, como, por exemplo, perda de interesse ou prazer em suas atividades, perda ou ganho de peso, pensamentos suicidas, entre outros fatores. Muitas pessoas pensam que isso não passa de frescura, embora tal reação seja consequência da desinformação, o que as levam a não procurar entender o lado do outro ou mesmo por optar permanecer na ignorância, o que leva a seguinte presunção: “Mas como o Fulano é frescurento!” Afinal, é mais fácil julgar do que ajudar, não é mesmo?
De uma maneira simples de clarificar, seu cérebro é formado por inúmeras células que se comunicam através de substâncias químicas chamadas neurotransmissores e, por algum motivo, eles não estão “circulando” como deveriam. Por isso, uma pessoa com depressão pode se sentir com memória fraca, indisposta ou, até mesmo, sem concentração ou energia.
Veja esse vídeo bem introdutório sobre a depressão:
As varreduras cerebrais e a aprendizagem de máquina estão descobrindo quantos tipos de depressão existem
A habilidade dos neurocientistas para avaliar o cérebro melhorou drasticamente. Hoje, pesquisadores estão cada vez mais utilizando ferramentas da grande ciência de dados (“data science”, em inglês), como a aprendizagem de máquina (“machine learning”, em inglês) e outras formas de inteligência artificial, para fazer varreduras cerebrais e encontrar padrões de atividade que predizem nosso comportamento.
Esse vídeo explica didaticamente como funciona o aprendizado de máquina. Embora o vídeo esteja em inglês, há a possibilidade de ativar o tradutor simultâneo do Google:
Normalmente, os programas de aprendizagem de máquina precisam ser treinados em um conjunto de procedimentos armazenados em dados. No treinamento, esses programas buscam padrões nos dados. Quanto mais dados de treinamento um programa recebe, mais inteligente e preciso ele fica. Após o treinamento, os programas de aprendizagem de máquina recebem novos conjuntos de dados. E com esses novos dados, eles podem começar a fazer previsões.
Um bom exemplo cotidiano é o filtro de spam do seu e-mail, onde o programa de aprendizagem de máquina escaneia permanentemente pedaços de lixo eletrônico, aprendendo os padrões de linguagem contidos neles, para conseguir detectá-los.
O aprendizado de máquina pode ser também um programa bem simples que calcula apenas regressões matemáticas. (Lembra-se da matemática do Ensino Médio, certo? Sugestão: Trata-se de encontrar a inclinação de uma linha que explica os padrões de uma série de pontos de dados.) Ou como o Google DeepMind que, além de alimentar milhões de pontos de dados, ficou conhecido por conseguir vencer um humano em Go.
Com a codificação, o aprendizado da máquina tenta prever o padrão de atividade cerebral que um estímulo produzirá.
A decodificação é o oposto: olhar para certas áreas com atividade cerebral e prever o que os participantes estão observando.
Até mesmo o Facebook está trabalhando duro no desenvolvimento de sistemas para pessoas suicidas. A ferramenta promete identificar um possível comportamento suicida e passar as informações para profissionais treinados para poder ajudar o mais rápido possível.
