Le chercheur Amii Nawshad Farruque, étudiant diplômé sous la supervision des boursiers Amii Osmar Zaïane et Randy Goebel, a mis au point un modèle ML capable de détecter les premiers signes de dépression dans un texte.

UAlberta Science News, Folio, Techxplore et Global News ont rapporté que le modèle a été développé en utilisant des échantillons d'écriture de personnes dépressives auto-identifiées, comme détaillé dans l 'article "Augmenting Semantic Representation of Depressive Language : From Forums to Microblogs" publié lors de la Conférence européenne sur l'apprentissage automatique et les principes et pratiques de la découverte de connaissances dans les bases de données(CELV-PKDD).

"Le résultat de notre étude est que nous pouvons construire des modèles prédictifs utiles qui peuvent identifier avec précision le langage dépressif", a déclaré Farruque dans l'interview. "Bien que nous utilisions le modèle pour identifier le langage dépressif sur Twitter, le modèle peut être facilement appliqué au texte d'autres domaines pour détecter la dépression."

Étant donné que la dépression touche plus de 264 millions de personnes de tous âges dans le monde (selon l'Organisation mondiale de la santé), les applications d'un algorithme de cette nature sont immenses, qu'il s'agisse de détecter les signes précoces de dépression chez les jeunes par le biais de messages sur les médias sociaux ou de surveiller la santé mentale des personnes âgées grâce à des chatbots conversationnels.