La investigación sobre la evaluación automatizada de trastornos mentales se ha centrado principalmente en participantes adultos y en comportamientos a nivel individual. Proponemos un enfoque para evaluar automáticamente la gravedad de los problemas conductuales, emocionales y sociales de los niños a partir de videos de interacción cara a cara entre padres e hijos. Los problemas conductuales, emocionales y sociales de los niños se cuantificaron utilizando el Child Behavior Checklist (CBCL), enfocándonos en las dos categorías generales “internalizante” y “externalizante” y en las categorías más específicas “ansioso”, “retirado” y “agresivo”. Nuestros datos experimentales provienen de una cohorte de 81 niños de 8 a 10 años y sus padres. Construimos características para representar los comportamientos no verbales de la cara y la cabeza de los padres y los niños, las combinamos con las puntuaciones de síntomas de los niños, y luego alimentamos estos datos a clasificadores binarios para hacer estimaciones generales de la gravedad de los síntomas. El rendimiento predictivo fue bueno solo para las puntuaciones de ansiedad, aunque la predicción de las puntuaciones de retraimiento e internalización también mostró cierto potencial. Además, identificamos los comportamientos más informativos en el contexto de la predicción de ansiedad y retraimiento e investigamos cómo eran influenciados por la gravedad de los síntomas y el tema de la conversación. Nuestros resultados ejemplifican cómo el aprendizaje automático y la visión por computadora pueden usarse para obtener mayor comprensión de la psicopatología infantil.
Valtakari et al. (Jue,) estudiaron esta cuestión.