16 de octubre de 2026
Procesamiento del Lenguaje Natural Aplicado a la Salud Mental: Identificación de Señales de Depresión en Redes Sociales
Pln Aplicado a la Salud Mental: Identificación de Señales de Depresión en Redes Sociales
Pedro Seiti Mazine Kiyuna; Thiago Gentil Ramires
DOI: 10.22167/2675-6528-202603345
Artículo derivado del Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.
Resumen
El creciente uso de redes sociales ha ampliado la disponibilidad de datos textuales que reflejan aspectos emocionales de los individuos, abriendo espacio para la aplicación de técnicas de Procesamiento del Lenguaje Natural (PLN) en la identificación de señales relacionadas con la salud mental. En este contexto, el estudio tuvo como objetivo desarrollar y evaluar un modelo capaz de identificar indicios de depresión en publicaciones de redes sociales. Para ello, se utilizó un conjunto de datos público con textos etiquetados en cuanto a la presencia de señales depresivas. Se aplicó un enfoque basado en preprocesamiento textual simplificado, vectorización mediante la técnica TF-IDF y clasificación utilizando Regresión Logística. El modelo fue evaluado por métricas como precisión, exactitud, recall, F1-score y AUC-ROC, además del análisis de la matriz de confusión. Los resultados indicaron un elevado rendimiento en la tarea de clasificación, con buena capacidad de generalización para datos no vistos. Se observó, sin embargo, que el rendimiento del modelo estuvo relacionado con las características específicas del conjunto de datos utilizado, pudiendo presentar limitaciones en contextos con mayor complejidad lingüística. Se concluyó que el enfoque propuesto constituyó una solución eficaz como etapa inicial para la identificación automatizada de señales de depresión en textos, demostrando potencial para aplicaciones en escenarios reales y evolución con técnicas más avanzadas.
Palabras clave: Aprendizaje automático; Análisis de texto; Clasificación supervisada; Salud mental; Vectorización textual.
1. Introducción
El uso de las redes sociales ha experimentado un crecimiento significativo en los últimos años, impulsado por transformaciones tecnológicas y sociales que facilitan la interacción y amplían el acceso a internet. Según el informe “Digital 2025: Global Overview Report” (DataReportal, 2025), el número de usuarios activos en estas plataformas superó los cinco mil millones en 2025, lo que corresponde al 63,9% de la población mundial. Este escenario digital, donde los individuos expresan frecuentemente sentimientos y emociones, convierte a las redes sociales en ricas fuentes de información para la identificación de patrones de comportamiento asociados a trastornos psicológicos (Jain et al., 2022).
En este contexto, la depresión emerge como uno de los trastornos mentales más prevalentes e impactantes en la actualidad. Su creciente incidencia afecta la calidad de vida y, en casos extremos, puede llevar al suicidio. La Organización Mundial de la Salud (2023) estima que aproximadamente 280 millones de personas se ven afectadas por la depresión a nivel mundial y, a pesar de la existencia de tratamientos eficaces, más del 75% de los individuos en países de bajos y medianos ingresos no reciben la atención adecuada. Ante esta realidad, estudios recientes han explorado la aplicación de técnicas de Procesamiento del Lenguaje Natural (PLN) y aprendizaje automático para detectar precozmente indicios de depresión en publicaciones en línea, posibilitando intervenciones más eficaces (Wolohan et al., 2018).
El Procesamiento del Lenguaje Natural (PLN) es una subárea de la Inteligencia Artificial que permite la comunicación entre computadoras y el lenguaje humano. Dentro de este campo, el análisis de sentimientos, también conocido como minería de opiniones, busca identificar y extraer información subjetiva de textos, siendo aplicable a la detección de patrones emocionales complejos, como los signos de depresión (Liu, 2012). Este enfoque es particularmente relevante para este estudio, dado que los individuos con síntomas depresivos tienden a manifestar patrones lingüísticos distintos, los cuales pueden ser identificados a través de técnicas de PLN (Wolohan et al., 2018).
A pesar de los avances significativos en el área, la construcción de modelos efectivos para la detección de señales de depresión en textos aún enfrenta desafíos considerables. Entre ellos, se destacan la variabilidad lingüística inherente a la comunicación humana, la presencia de ruido en los datos recopilados de redes sociales y el desbalance entre las clases de datos. Además, la selección y aplicación adecuadas de técnicas de preprocesamiento y representación textual desempeñan un papel crucial en el rendimiento y la capacidad de generalización de los modelos de clasificación.
Ante la relevancia de la depresión como problema de salud pública y el potencial de las técnicas de PLN para su detección temprana, este trabajo se justifica por la necesidad de desarrollar y evaluar enfoques computacionales que puedan ayudar en la identificación de señales de depresión en entornos digitales. De esta forma, este estudio tuvo como objetivo desarrollar y evaluar un modelo de PLN para la identificación de señales de depresión en publicaciones de redes sociales, utilizando técnicas de vectorización textual y algoritmos de clasificación supervisada, buscando adicionalmente analizar el desempeño del modelo propuesto y discutir sus limitaciones y potencialidades, contribuyendo a la aplicación de técnicas de PLN en el contexto de la salud mental.
2. Material y Métodos
El presente estudio se caracterizó como una investigación de naturaleza aplicada, con enfoque cuantitativo, orientada al desarrollo y evaluación de un modelo computacional. El objetivo central fue desarrollar y evaluar un modelo de Procesamiento del Lenguaje Natural (PLN) para la identificación de señales de depresión en publicaciones de redes sociales. Para ello, se emplearon técnicas de vectorización textual y algoritmos de clasificación supervisada.
La unidad de análisis consistió en publicaciones de redes sociales, obtenidas de un conjunto de datos público. Se utilizó el dataset “Sentimental Analysis for Tweets”, disponible en la plataforma Kaggle (Garg, 2020). Este corpus está compuesto por textos en lengua inglesa, etiquetados binariamente en cuanto a la presencia de indicios de depresión.
Los datos se clasificaron en dos categorías: la clase 0, correspondiente a textos sin indicios de depresión, y la clase 1, referente a textos con posibles señales depresivas. La elección de este conjunto de datos permitió la aplicación de técnicas de PLN en un contexto real de análisis de sentimientos y detección de patrones lingüísticos asociados a la salud mental.
Antes de la etapa de modelado, se realizó el preprocesamiento de los datos, una etapa fundamental en tareas de PLN para transformar datos textuales brutos en un formato adecuado para el análisis por algoritmos de aprendizaje automático (Jurafsky y Martin, 2009). Se adoptó un enfoque simplificado, con el objetivo de establecer un modelo baseline.
Inicialmente, se realizó una estandarización de los textos, convirtiendo todos los caracteres a minúsculas (lowercasing) mediante la función `str.lower`. Luego, se eliminaron elementos que no agregan valor semántico relevante al análisis, como URLs, menciones a usuarios y caracteres especiales. Los registros que resultaron en textos vacíos después de esta etapa fueron eliminados del conjunto de datos.
Después del preprocesamiento, el conjunto de datos final utilizado en el estudio totalizó 10.285 registros. Se observó una distribución desequilibrada entre las clases, con aproximadamente el 77,5% de las observaciones para la clase 0 y el 22,5% para la clase 1, lo que se tuvo en cuenta en las etapas posteriores de modelado y evaluación.
Considerando la aproximación simplificada adoptada en esta etapa inicial, se optó por no aplicar técnicas más avanzadas de preprocesamiento, como eliminación de stopwords, stemming o lematización. La eliminación de stopwords, por ejemplo, podría resultar en la pérdida de información relevante para el análisis de sentimiento, especialmente en estructuras lingüísticas donde las palabras funcionales influyen en el contexto semántico de las oraciones.
En el contexto de la técnica Term Frequency-Inverse Document Frequency (TF-IDF), que asigna pesos a las palabras en función de su frecuencia en los documentos y su relevancia en el conjunto de datos, los términos muy frecuentes tienden a recibir pesos reducidos, lo que minimiza naturalmente el impacto de las palabras menos informativas. Este enfoque da como resultado una representación vectorial de alta dimensionalidad y naturaleza dispersa.
Después del preprocesamiento, el conjunto de datos se dividió en subconjuntos de entrenamiento, validación y prueba. Esta división se realizó de forma estratificada, asegurando el mantenimiento de la proporción de las clases en todos los subconjuntos. El conjunto de entrenamiento se utilizó para el entrenamiento del modelo, el de validación para evaluar el rendimiento durante el desarrollo y el de prueba para una estimación realista en datos no vistos.
Para la construcción del modelo de clasificación, se adoptó inicialmente un enfoque de referencia (baseline), con el objetivo de establecer un punto de referencia de rendimiento. La representación de los textos se realizó mediante la técnica TF-IDF, que transforma documentos textuales en vectores numéricos, donde cada dimensión representa un término del vocabulario (Manning et al., 2008).
La vectorización de los textos se implementó utilizando la clase `TfidfVectorizer` de la biblioteca `scikit-learn`. Se consideraron parámetros estándar de la biblioteca, con ajustes orientados a la limitación del vocabulario y a la exclusión de palabras extremadamente raras o excesivamente frecuentes, con el objetivo de mejorar la generalización del modelo.
Después de la etapa de vectorización, los datos se utilizaron como entrada para el entrenamiento de un modelo de clasificación basado en Regresión Logística. Este algoritmo fue elegido por su simplicidad, eficiencia computacional y buena capacidad de generalización en problemas de clasificación binaria (Jurafsky y Martin, 2009).
Considerando el desequilibrio observado entre las clases del conjunto de datos, se utilizó el parámetro `class_weight=”balanced”` en la configuración del modelo. Este enfoque ajustó automáticamente los pesos de las clases de forma inversamente proporcional a su frecuencia, asignando mayor importancia a la clase minoritaria durante el entrenamiento, buscando reducir el sesgo del modelo.
La evaluación del rendimiento del modelo se realizó a través de diferentes métricas ampliamente utilizadas en problemas de clasificación binaria, con el objetivo de obtener un análisis exhaustivo del comportamiento del clasificador. Inicialmente, se consideró la precisión, que representa la proporción de predicciones correctas en relación con el total de observaciones.
Debido al desequilibrio entre las clases, también se utilizaron las métricas de precisión, recall y F1-score, que son particularmente útiles en contextos de desequilibrio entre clases (Sokolova y Lapalme, 2009). Adicionalmente, se empleó la curva ROC (Receiver Operating Characteristic) y la métrica AUC (Area Under the Curve) para evaluar el rendimiento del modelo en diferentes umbrales de decisión (Fawcett, 2006).
Finalmente, se construyó la matriz de confusión, herramienta que permite visualizar detalladamente los aciertos y errores del modelo. Este análisis posibilitó la identificación de verdaderos positivos, verdaderos negativos, falsos positivos y falsos negativos, contribuyendo a una comprensión más profunda del tipo de error cometido por el modelo.
3. Resultados y Discusión
El análisis exploratorio de los datos, realizado como etapa inicial para fundamentar la interpretación de los resultados, reveló características distintivas en el corpus utilizado. Se observó que los textos clasificados como depresivos presentaban, en promedio, una longitud mayor en comparación con los textos no depresivos. Esta diferencia sugiere una mayor elaboración textual y la posible inclusión de descripciones más detalladas de estados emocionales por parte de los usuarios que manifiestan indicios de depresión en sus publicaciones. Tal hallazgo es relevante para la comprensión de los patrones lingüísticos asociados a la salud mental en entornos digitales.
Adicionalmente, la investigación sobre el grado de superposición entre los vocabularios de las clases indicó que, aunque había una intersección de términos, una porción significativa de las palabras era exclusiva de cada categoría. Este bajo nivel de superposición léxica es un indicio de la existencia de patrones lingüísticos distintos entre los grupos. Esta diferenciación es un factor que puede favorecer la separación de las clases en el espacio de características, contribuyendo a la eficacia del proceso de clasificación del modelo de Procesamiento de Lenguaje Natural (PLN), según lo discutido por Jurafsky y Martin (2009) sobre la importancia de la representación textual.
El análisis de la frecuencia de palabras por clase, obtenido mediante el recuento de ocurrencias, reforzó la interpretación de patrones lingüísticos distintos. En las publicaciones de la clase no depresiva, se identificó el predominio de términos más genéricos y asociados a interacciones cotidianas, como “good”, “day”, “love” y “thanks”. Estos términos reflejan una comunicación más común y positiva, típica de interacciones sociales rutinarias en plataformas digitales, según la literatura sobre análisis de sentimientos en redes sociales (Liu, 2012).
En contraste, la clase depresiva presentó una incidencia significativamente mayor de palabras directamente relacionadas con la salud mental, incluyendo “depression”, “anxiety” y “mental”. Además, se observaron términos que indican estados emocionales y experiencias personales, sugiriendo un lenguaje más introspectivo y enfocado en sentimientos negativos. Esta distinción léxica es crucial, ya que evidencia que el corpus posee características que permiten una clara diferenciación entre los grupos, lo que es fundamental para la tarea de identificación de señales de depresión.
A partir de estas evidencias lingüísticas, se procedió al análisis de los resultados obtenidos por el modelo de clasificación. La combinación de la técnica de vectorización TF-IDF con el algoritmo de Regresión Logística demostró un alto rendimiento en la tarea de clasificación binaria. Este enfoque, aunque considerado baseline, se mostró eficaz en la captura de patrones relevantes en los datos, corroborando la literatura que apunta la adecuación de modelos lineales para clasificación de texto cuando hay características bien definidas (Manning et al., 2008).
La precisión general del modelo en el conjunto de validación fue de 0,9961, lo que indica una alta tasa de predicciones correctas. Sin embargo, en escenarios con desequilibrio de clases, como el presente estudio, la precisión aislada puede no ser suficiente para una evaluación completa. Por esta razón, se analizaron métricas adicionales, como precisión, recall y F1-score, que proporcionan una visión más detallada del rendimiento del modelo en relación con cada clase, según lo recomendado por Sokolova y Lapalme (2009).
Para la clase no depresiva (clase 0), el modelo obtuvo valores de precisión de 0,9962 y recall de 0,9987, resultando en un F1-score de 0,9975. Estos valores, cercanos a 1, demuestran la alta capacidad del modelo para identificar correctamente los ejemplos de esta clase, minimizando tanto los falsos positivos como los falsos negativos para esta categoría. Esto significa que pocas publicaciones no depresivas fueron erróneamente clasificadas como depresivas.
En relación a la clase depresiva (clase 1), que representa el foco principal de este estudio, el modelo también presentó un desempeño robusto. Se registraron valores de precisión de 0,9956 y recall de 0,9870, con un F1-score de 0,9913. Estos resultados indican que la mayoría de los casos depresivos fueron correctamente identificados, lo cual es fundamental para la detección temprana. La alta precisión sugiere que, cuando el modelo predice depresión, la probabilidad de estar en lo correcto es muy alta, mientras que el recall demuestra la capacidad de capturar la mayoría de los casos positivos reales.
El análisis de la matriz de confusión proporcionó una comprensión más profunda del comportamiento del modelo, revelando que la mayoría de las muestras fueron clasificadas correctamente. En el conjunto de validación, 796 casos de la clase 0 y 228 casos de la clase 1 fueron identificados correctamente. Sin embargo, se observó la presencia de 3 falsos negativos para la clase 1, es decir, publicaciones con indicios de depresión que no fueron identificadas por el modelo. Para la clase 0, hubo solo 1 falso positivo, indicando una publicación no depresiva erróneamente clasificada como depresiva.
La aplicación del modelo al conjunto de prueba, para una evaluación más robusta y realista en datos no vistos, mantuvo un comportamiento similar al observado en la validación. En la matriz de confusión del conjunto de prueba, 798 casos de la clase 0 y 228 casos de la clase 1 fueron correctamente clasificados. La ocurrencia de 3 falsos negativos para la clase 1 y 0 falsos positivos para la clase 0 en el conjunto de prueba refuerza la consistencia del modelo y su buena capacidad de generalización, indicando que el rendimiento no se deteriora significativamente en nuevos datos.
Las curvas ROC (Receiver Operating Characteristic) y la métrica AUC (Area Under the Curve) se utilizaron para evaluar el rendimiento del modelo en diferentes umbrales de decisión, según lo propuesto por Fawcett (2006). Los valores de AUC obtenidos fueron de 0,9995 para el conjunto de validación y 0,9970 para el conjunto de prueba. Estos valores, muy cercanos a 1, evidencian la excelente capacidad discriminatoria del modelo y la consistencia del rendimiento entre los conjuntos, sugiriendo que el modelo no presentó signos relevantes de overfitting.
Los resultados expresivos alcanzados están en consonancia con la literatura que reconoce la eficacia de enfoques basados en TF-IDF y modelos lineales para tareas de clasificación de texto (Manning et al., 2008). La simplicidad y eficiencia del modelo propuesto, incluso con un enfoque relativamente directo, fueron capaces de capturar patrones lingüísticos relevantes, demostrando su potencial como herramienta inicial para la identificación de señales de depresión en publicaciones de redes sociales.
A pesar del alto rendimiento, es fundamental considerar las limitaciones del estudio. El alto rendimiento puede estar asociado a las características específicas del conjunto de datos utilizado, que presenta diferencias léxicas marcadas entre las clases, facilitando la tarea de clasificación. Esto implica que el modelo puede no presentar el mismo nivel de rendimiento en contextos con mayor complejidad lingüística o en bases de datos donde la distinción entre las clases es menos evidente, lo que es una limitación importante para la generalización.
Otra limitación relevante es que el conjunto de datos está compuesto por textos en lengua inglesa. Aspectos lingüísticos, culturales y contextuales influyen directamente en la forma en que se expresan las emociones y los estados psicológicos, y estos patrones pueden variar significativamente entre diferentes idiomas. Por lo tanto, los patrones aprendidos por el modelo pueden no reflejar integralmente las particularidades de la lengua portuguesa, especialmente en el contexto brasileño, lo que limita la aplicabilidad directa de los resultados a otros idiomas sin adaptaciones.
Adicionalmente, el enfoque adoptado se basa en representaciones textuales que no capturan aspectos más complejos del lenguaje, como el contexto semántico profundo, la ironía o las ambigüedades. Estos elementos pueden influir significativamente en la interpretación del contenido, y la ausencia de su consideración puede limitar la capacidad del modelo en escenarios más desafiantes. Modelos más avanzados, que incorporan redes neuronales u otras técnicas de aprendizaje profundo, podrían potencialmente mitigar esta limitación al capturar matices semánticos más sutiles.
En resumen, el modelo de Procesamiento del Lenguaje Natural desarrollado y evaluado en este estudio demostró alta eficacia en la identificación de señales de depresión en publicaciones de redes sociales, utilizando un enfoque basado en preprocesamiento simplificado, vectorización TF-IDF y clasificación por Regresión Logística. Los resultados, evidenciados por métricas de desempeño robustas y por el análisis de la matriz de confusión y curvas ROC, indican que la solución propuesta es viable como una etapa inicial para la detección automatizada, a pesar de las limitaciones relacionadas con las características del conjunto de datos y la complejidad lingüística.
4. Conclusión
El presente estudio buscó desarrollar y evaluar un modelo de Procesamiento del Lenguaje Natural (PLN) para la identificación de señales de depresión en publicaciones de redes sociales. Se verificó que el enfoque propuesto, que combinó preprocesamiento textual simplificado, vectorización TF-IDF y clasificación por Regresión Logística, demostró alta eficacia en la tarea de clasificación binaria. El análisis exploratorio de los datos reveló patrones lingüísticos distintivos entre textos con y sin indicios de depresión, como mayor longitud y vocabulario específico para la clase depresiva, lo que favoreció la separación de las clases. El modelo alcanzó un desempeño robusto, con una precisión de 0,9961 y un F1-score de 0,9913 para la clase depresiva en el conjunto de validación, y mantuvo consistencia en el conjunto de prueba, con un AUC-ROC de 0,9970, indicando buena capacidad de generalización para datos no vistos. Estos resultados evidencian la viabilidad de técnicas tradicionales de PLN como una solución eficaz e inicial para la detección automatizada de señales de depresión en entornos digitales, contribuyendo a la aplicación de tales métodos en el contexto de la salud mental.
Sin embargo, es fundamental reconocer las limitaciones inherentes al estudio. El alto rendimiento observado estuvo asociado a las características específicas del conjunto de datos utilizado, que presentaba diferencias léxicas marcadas, lo que puede restringir la generalización del modelo a contextos con mayor complejidad lingüística o menor distinción entre clases. Adicionalmente, el corpus estar compuesto por textos en lengua inglesa limita la aplicabilidad directa de los resultados a otros idiomas, como el portugués, sin adaptaciones, debido a las variaciones lingüísticas y culturales. El enfoque tampoco capturó aspectos semánticos profundos, ironía o ambigüedades. Para estudios futuros, se sugiere la exploración de modelos basados en arquitecturas más complejas, como redes neuronales, capaces de capturar relaciones contextuales más sutiles, así como la utilización de diferentes conjuntos de datos y la adaptación a la lengua portuguesa, con el objetivo de ampliar la robustez y la aplicabilidad de la solución en diversos escenarios reales.
Referencias Bibliográficas
DataReportal. 2025. Digital 2025: Global Overview Report. Disponível em: <https://datareportal.com/reports/digital-2025-global-overview-report>. Acesso em: 19 abr. 2026.
Fawcett, T. 2006. An introduction to ROC analysis. Pattern Recognition Letters 27(8): 861–874.
Garg, M. 2020. Sentimental analysis for tweets. Kaggle. Disponível em: <https://www.kaggle.com/datasets/gargmanas/sentimental-analysis-for-tweets>. Acesso em: 15 abr. 2026.
Jain, P.; Sharma, A.; Singh, K. 2022. Depression and suicide analysis using machine learning and NLP. Journal of Physics: Conference Series 2161(1): 012034.
Jurafsky, D.; Martin, J. H. 2009. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. 2. ed. Prentice Hall, Upper Saddle River, NJ, USA.
Liu, B. 2012. Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers, San Rafael, CA, USA. 167 p.
Manning, C. D.; Raghavan, P.; Schütze, H. 2008. Introduction to Information Retrieval. Cambridge University Press, Cambridge, UK.
Organização Mundial da Saúde [OMS]. 2023. Depression. Geneva: WHO. Disponível em: <https://www.who.int/news-room/fact-sheets/detail/depression>. Acesso em: 19 abr. 2026.
Sokolova, M.; Lapalme, G. 2009. A systematic analysis of performance measures for classification tasks. Information Processing and Management 45(4): 427–437.
Wolohan, J. T.; Hiraga, M.; Mukherjee, A.; Sayyed, Z. A.; Millard, M. 2018. Detecting linguistic traces of depression in topic-restricted text: attending to self-stigmatized depression with NLP. In: Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics, Brussels, Belgium.
Artículo originado del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq
Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy