Entradas

MentalRisk 2025: Primer y Segundo lugar para equipo de la Facultad

El equipo integrado por el Lic. Horacio Thompson y el Dr. Marcelo Errecalde del Laboratorio de Investigación y Desarrollo en Inteligencia Computacional (LIDIC) de la FCFMyN, obtuvo el 1º y 2º puesto en la Edición 2025 de un desafío internacional que busca soluciones al juego patológico en línea.

MentalRiskES 2025 es un desafío internacional centrado en la Detección Anticipada de Riesgos (DAR) en redes sociales para el idioma español. Este año participaron 13 laboratorios de investigación de diversos países con casi 40 propuestas tendientes a resolver problemas asociados al juego patológico. La DAR es un área cada vez más importante de la Inteligencia Artificial (IA), cuyo objetivo es identificar usuarios que muestren indicios de una condición de salud mental, a partir del análisis de sus comportamientos y utilizando la menor cantidad posible de publicaciones.

En diálogo con la Facultad, Horacio Thompson, cuenta en qué consistió el desafío de este año y detalla los aspectos más destacados de las propuestas ganadoras del certamen. “Alcanzar el primer y segundo puesto representa un reconocimiento muy significativo, no sólo porque fuimos el único laboratorio argentino en proponer soluciones, sino también por habernos destacado frente a otros grupos de todo el mundo. Esto demuestra el alto nivel académico de nuestra Universidad”.

Esta edición centrada en juego patológico, ¿qué objetivos persiguió? ¿qué tipo de desafío se proponía a los participantes? ¿quiénes participaron?

La edición de este año se enfocó en la detección anticipada del desorden por juego (gambling disorder), una condición frecuentemente subestimada, pero con graves consecuencias psicológicas, sociales y económicas. La Organización Mundial de la Salud ha advertido recientemente sobre los riesgos asociados a esta conducta, tales como ansiedad, depresión, consumo problemático de sustancias, deterioro de vínculos familiares y sociales, conflictos laborales y financieros, e incluso implicancias legales o delictivas.

A diferencia de años anteriores, el desafío fue más complejo: ya no se trató de clasificar anticipadamente usuarios como positivos (con desorden) o negativos (sin desorden), sino de identificar el momento exacto en que comenzaban a manifestarse señales de un problema en desarrollo. Todos los usuarios analizados tenían algún grado de relación con el juego —apuestas deportivas, casinos, videojuegos, trading de criptomonedas, entre otros—, y el reto era detectar aquellos casos en los que el comportamiento se volvía progresivamente más preocupante, es decir, identificar el paso de un riesgo bajo a un riesgo alto.

En total, participaron 13 laboratorios de investigación de diversos países, con una destacada presencia de universidades de España y Estados Unidos, además de grupos provenientes de Colombia, Vietnam y Taiwán.

 ¿Qué trabajos presentaron? ¿en qué consistían?

Cada equipo podía presentar hasta tres propuestas distintas. En mi caso, presenté dos enfoques basados en mi tesis doctoral, dirigida por el Dr. Marcelo Errecalde, y una tercera propuesta inspirada en trabajos previos desarrollados por el Dr. Sergio Burdisso y el Dr. Juan Martín Loyola, ambos egresados de nuestra universidad.

Debido a la complejidad del problema, fue necesario realizar un análisis detallado de los datos disponibles para comprender mejor el dominio y orientar la selección de los métodos más adecuados, ya que no era tan evidente qué significa que un usuario sea de alto riesgo. Aunque en un principio se consideró el uso de grandes modelos de lenguaje (como DeepSeek, Gemini o LLaMA), se optó por soluciones más específicas que permitieran diferenciar a los usuarios con mayor precisión. El mejor de nuestros enfoques se basó en aprendizaje contrastivo (contrastive learning), una técnica reciente que ha demostrado muy buenos resultados en problemas donde es difícil encontrar patrones que permitan diferenciar muestras aparentemente similares. Por ejemplo, el modelo puede distinguir entre dos usuarios que realizan inversiones, donde uno parece ser más prudente y ocasional, y el otro muestra señales preocupantes como urgencia, frustración u obsesión por recuperar sus pérdidas.

Los trabajos propuestos fueron seleccionados en el 1º y 2º lugar ¿en qué consiste el premio o reconocimiento?

Según el informe oficial publicado por los organizadores de la Universidad de Jaén (España), de un total de 38 propuestas presentadas por distintos laboratorios, dos de nuestras soluciones obtuvieron el 1º y 2º puesto en el ranking general, alcanzando un excelente rendimiento en diversas métricas.

Como parte del proceso, publicaremos un artículo científico, donde se presentan nuestros resultados y, en particular, invitamos a la reflexión sobre los desafíos que implican definir y abordar la DAR, considerando aspectos como ¿Qué significa que un usuario esté en riesgo? ¿Cómo se mide el riesgo? y ¿Qué tipo de decisiones se espera que tomen los modelos?. Esto resulta clave para el desarrollo de sistemas de IA responsables y confiables en áreas sensibles como la salud mental.

El siguiente paso es presentar el trabajo en el Congreso IberLEF 2025, que se realizará junto a la Sociedad Española para el Procesamiento del Lenguaje Natural (SEPLN), uno de los eventos más importantes de IA aplicada al español, que tendrá lugar a fines de septiembre en Zaragoza (España).

Dado que los mejores equipos han sido invitados a presentar sus resultados, esperamos contar con el apoyo institucional para representar a la UNSL en España. Asistir a este evento abriría nuevas oportunidades de colaboración y permitiría fortalecer los vínculos con instituciones académicas de distintas partes de Europa y del mundo.

A nivel personal, ¿qué te motiva a participar de este tipo de eventos?

Una de las principales motivaciones detrás de estos trabajos es contribuir a la investigación y desarrollo de sistemas que puedan tener un impacto positivo en la vida de las personas, especialmente en ámbitos tan sensibles como la salud. Participar en este tipo de competencias también permite visibilizar y poner en valor el trabajo que hacemos desde Argentina, en un contexto donde los recursos suelen ser limitados. Es una forma de demostrar nuestro firme compromiso en desarrollar ciencia y tecnología de calidad, estando a la altura de laboratorios internacionales de primer nivel.

Detección anticipada de riesgos en redes sociales: equipo de la FCFMyN quedó entre los 5 mejores laboratorios del mundo

Un equipo de la Universidad Nacional de San Luis, conformado por el Lic. Horacio Thompson, becario doctoral de CONICET, y el Dr. Marcelo Errecalde, ambos docentes de la Facultad de Ciencias Físico Matemáticas y Naturales, ha participado del MentalRiskES, un desafío a nivel internacional que propone resolver problemas relacionados con la detección anticipada de riesgos en redes sociales en idioma español. 

El objetivo fue detectar, lo antes posible, usuarios que mostraran signos vinculados a diversos desórdenes mentales. Las tareas a resolver fueron: detección de desórdenes alimenticios, signos de depresión y un tercer trastorno desconocido para evaluar los enfoques sobre trastornos no conocidos a priori. El equipo de la FCFMyN participó en las dos primeras tareas. 

Existe un interés creciente en detectar e identificar usuarios de riesgo en Internet. No obstante, muchas de las campañas realizadas se han enfocado principalmente en el idioma inglés, dejando de lado español. Los organizadores propusieron estas tareas a partir de mensajes de usuarios extraídos de grupos públicos de la plataforma Telegram.

“Como sabemos, en las redes sociales se comparte todo tipo de información. Son muchos los casos de usuarios que sufren diferentes problemas vinculados a la salud, como así hay otras situaciones preocupantes como cyberbulling, pedofilia, discriminación, fake news, entre otros. Es así como surgen estos desafíos que son muy importantes a nivel mundial y que nos ponen a prueba como comunidad científica. Más allá de fomentar la investigación desde el punto de vista tecnológico, se intenta explorar soluciones que puedan ayudar a aminorar estos problemas. Por ejemplo, identificar patrones de comportamiento en usuarios que muestran signos de depresión puede ser de utilidad para desarrollar un sistema de alarma y apoyo, pero también puede significar un recurso valioso para otras disciplinas como psicología, sociología, entre otros”, explica Thompson.

En esta primera edición del MentalRiskEs se propuso resolver estos problemas en línea, es decir, los participantes tuvieron que detectar un riesgo potencial lo antes posible en un flujo continuo de datos. Por lo tanto, el rendimiento no sólo dependió de la precisión de los sistemas empleados sino también de la rapidez con la que se detectó el problema. 

“Dada la experiencia de nuestro grupo de investigación en tareas similares realizadas con el idioma inglés, se decidió participar en esta primera edición con el idioma español obteniendo la segunda ubicación en ambas tareas para la evaluación temporal de los sistemas y compartiendo el primer lugar en la mayoría de las métricas basadas en clasificación para la detección de depresión, demostrando la efectividad y consistencia de nuestros enfoques para resolver estos problemas”, explica Errecalde.

De esta manera, el equipo de la FCFMyN obtuvo resultados destacados de entre 25 y 33 propuestas de laboratorios de investigación de distintas partes del mundo y se seleccionaron los mejores 5 trabajos para ser presentados en el IberLEF 2023. IberLEF es una campaña de evaluación compartida de los sistemas de Procesamiento del Lenguaje Natural en español y otras lenguas ibéricas que se organiza desde el año 2019 y se celebra en el marco de la Conferencia anual de la Sociedad Española de Procesamiento del Lenguaje Natural (SEPLN). 

“En vista de los destacados resultados obtenidos en estas tareas y de haber sido seleccionados para presentar nuestra propuesta en el marco del IberLEF, se participará de la edición 2023 de esta conferencia en España. Esto permitirá, además, la posibilidad de asistir a la conferencia anual de la SEPLN que se realiza en simultáneo con IberLEF, un ámbito de discusión de los principales desarrollos en Procesamiento del Lenguaje Natural para el español. Este hecho resulta de gran importancia, no sólo para el desarrollo del grupo de investigación de la UNSL, sino también por la importancia que tienen estos sistemas por su aplicabilidad en el contexto local y nacional, el cual se ha visto conmovido recientemente por desarrollos disruptivos que la Inteligencia Artificial está produciendo en las más diversas áreas, a partir de sistemas como ChatGPT, Bard, Midjourney y otros modelos generativos de contenido”, sostiene Errecalde.  

Por último, Thompson agregó: “Para nosotros es importante participar en este tipo de competencias. Es un área que avanza muy rápido y, en ese sentido, intentamos aplicar y adaptar nuestras hipótesis de investigación a las tecnologías emergentes. La idea es continuar realizando contribuciones en esta área ya que los resultados obtenidos nos muestran que vamos por buen camino y ojalá que puedan significar un aporte para la sociedad”.

Nota: Unidad de Cultura Científica más Innovación (UCC+i) | FCFMyN

Foto: Prensa Institucional