Uso de técnicas de machine learning para detecção de transtornos depressivos em estudantes universitários

A saúde mental é um tema de crescente preocupação, especialmente devido aos estigmas sociais que ainda a cercam. Os alarmantes índices de suicídio entre pessoas com problemas mentais reforçam a urgência de abordagens eficazes. A saúde mental, que engloba o bem- estar psicológico e social, é fortemente influenciada pelo ambiente acadêmico, onde desafios como a alta carga horária, o grande número de disciplinas e a pressão por desempenho podem exacerbar transtornos, como o depressivo. Nesse contexto, técnicas de Machine Learning apresentam-se como ferramentas promissoras para auxiliar na detecção precoce de transtornos depressivos em estudantes universitários. Neste sentido, este trabalho investiga a aplicação de modelos para predizer a probabilidade de transtornos depressivos nesse grupo, visando fornecer insights sobre padrões emocionais e comportamentais que possam auxiliar profissionais de saúde e educadores, para intervir de forma mais rápida e direcionada. O objetivo é demonstrar como a Machine Learning pode apoiar a identificação de estudantes em risco, complementando, e não substituindo, a avaliação clínica.