Dashboard de detección temprana de riesgo de depresión en jóvenes utilizando machine learning y análisis de sentimientos en AWS en una empresa del sector salud

Abstract

La detección temprana de riesgos de depresión es un desafío creciente en el ámbito de la salud, especialmente en jóvenes, donde la intervención oportuna puede marcar la diferencia en su bienestar emocional. Este estudio, orientado a una empresa del sector salud, propone el desarrollo de un dashboard que integra datos recopilados de pacientes vía formulario de Google, la base de datos Firebase, un modelo de Machine Learning (Amazon Comprehend – Custom Classification) basado en el servicio de análisis de sentimiento en Amazon Web Services (AWS), y el lenguaje de programación C# .Net. La solución permitirá procesar y analizar información textual proveniente de los formularios de Google, identificando en las respuestas del “Formulario de Riesgo de Depresión en Adolescentes” patrones que indiquen posibles riesgos de depresión. Para ello, se emplearán técnicas de procesamiento de lenguaje natural (NLP), algoritmos de clasificación y servicios en la nube que aseguren escalabilidad y precisión en el análisis. El modelo será entrenado y evaluado con datos previamente clasificados bajo supervisión de especialistas en salud mental, garantizando la confiabilidad de los resultados. Finalmente, el dashboard presentará de manera visual e intuitiva indicadores clave sobre tendencias, riesgos y niveles de sentimiento detectados, facilitando la toma de decisiones y la implementación de medidas preventivas en beneficio de los jóvenes atendidos por la organización.

Early detection of depression risk is an increasingly significant challenge in the field of healthcare, particularly among adolescents, where timely intervention can make a substantial difference in their emotional well-being. This study, oriented toward a healthcare organization, proposes the development of a dashboard that integrates data collected from patients through a Google Form, a Firebase database, a Machine Learning model (Amazon Comprehend – Custom Classification) based on the sentiment analysis service provided by Amazon Web Services (AWS), and the C# .NET programming language. The solution will process and analyze textual information obtained from the Google Forms submissions, identifying patterns within the responses to the “Adolescent Depression Risk Questionnaire” that may indicate potential depression risk. To achieve this, the system will employ natural language processing (NLP) techniques, classification algorithms, and cloud-based services that ensure scalability and accuracy in the analysis. The model will be trained and evaluated using data previously labeled under the supervision of mental-health specialists, ensuring the reliability of the results. Finally, the dashboard will visually and intuitively present key indicators related to trends, risks, and detected sentiment levels, supporting decision-making and enabling the implementation of preventive measures for the benefit of the adolescents served by the organization.