Se trata del licenciado en Ciencias de la Computación y actual estudiante del último año del Doctorado en Ciencias de la Computación por la Universidad Nacional de San Luis (UNSL), Horacio Thompson, quien participó del desafío MentalRiskES 2025 donde obtuvo el primer y segundo puesto superando a más de 30 propuestas provenientes de laboratorios de diversos países, incluyendo Estados Unidos y España. En esta ocasión, el Laboratorio de Investigación y Desarrollo en Inteligencia Computacional (LIDIC) fue el único laboratorio argentino en proponer soluciones y se destacó frente a otros grupos de todo el mundo. «Esto demuestra el alto nivel académico de nuestra Universidad», destacó Horacio.
MentalRiskES 2025 es un desafío internacional centrado en la Detección Anticipada de Riesgos (DAR) en redes sociales para el idioma español. 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.
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. El evento fue organizado por un Laboratorio de investigación de la Universidad de Jaén (España) y se desarrolló en dos (2) fases: una etapa de entrenamiento, donde los equipos diseñaban y ajustaban sus sistemas; y otra etapa de evaluación en línea, en la que los equipos resolvieron la tarea interactuando con un servidor remoto alojado en España. Luego, las soluciones fueron evaluadas por los organizadores considerando diversas métricas de rendimiento.
MentalRiskES 2025. La edición de este año se enfocó en la detección anticipada del desorden por juego, 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», contó Horacio.
Desarrollo. Específicamente, cada equipo podía presentar hasta tres (3) propuestas distintas. Horacio presentó dos (2) enfoques basados en su tesis doctoral, dirigida por el Dr. Marcelo Errecalde, y una tercera propuesta inspirada en trabajos previos desarrollados junto al Dr. Sergio Burdisso y el Dr. Juan Martín Loyola, ambos egresados de la UNSL. «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 (…) 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», explicó.
Paralelamente, Horacio sostuvo que el mejor de sus enfoques se basó en aprendizaje contrastivo (contrastive learning), una técnica reciente que ha demostrado buenos resultados en problemas donde es difícil encontrar patrones que permitan diferenciar muestras aparentemente similares. «Por ejemplo, el modelo puede distinguir entre dos (2) 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», dijo.
Clasificación y premios. Según el informe oficial publicado por los organizadores, de un total de 38 propuestas presentadas por distintos laboratorios, dos (2) de las soluciones presentadas por el equipo de la UNSL obtuvieron el 1º y 2º puesto en el ranking general, alcanzando un excelente rendimiento en diversas métricas.
Como parte del proceso, Horacio adelantó que, junto al Dr. Errecalde, publicarán un artículo científico en el que se invita a reflexionar 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», dijo.
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», remarcó Thompson.
Aporte social. El principal aporte de este desafío es promover que la comunidad científica se involucre en la búsqueda de soluciones para temas críticos y sensibles, como la salud mental. Las redes sociales se han convertido en espacios donde las personas expresan sus emociones, experiencias y necesidades, muchas veces de forma indirecta o difícil de interpretar. Identificar tempranamente señales de riesgo en estos entornos puede marcar una gran diferencia en la vida de las personas.
«Desde el LIDIC, trabajamos en el desarrollo de herramientas basadas en IA que contribuyen al estudio de estas temáticas. Además de su aplicación directa, los resultados de estas investigaciones también permiten comprender mejor fenómenos complejos en entornos sociales y digitales, generando conocimiento que puede ser valioso para disciplinas como la psicología y las ciencias sociales, así como para el diseño de políticas públicas orientadas a la prevención y el cuidado de la salud mental, un área tan necesaria y muchas veces subestimada», concluyó Horacio.
