APOIO À DECISÃO NA IDENTIFICAÇÃO DE PERFIS DE RISCO EM SAÚDE MENTAL COM REDES NEURAIS PROFUNDAS E TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL EXPLICÁVEL

Este trabalho aplica redes neurais profundas e técnicas de Inteligência Artificial Explicável (XAI) à predição de níveis clínicos de ansiedade (GAD-7), fobia social (SPIN) e satisfação com a vida (SWL) a partir de variáveis comportamentais de jogadores online. Os dados foram obtidos de um dataset público e processados por um pipeline com partição estratificada e balanceamento por oversampling. Foram treinados três modelos multiclasse utilizando camadas densas, ReLU, dropout e saída Softmax. A avaliação incluiu acurácia, matrizes de confusão e projeção PCA. Para interpretabilidade, aplicaram-se LIME e importância por permutação. Os modelos alcançaram acurácia de 81,9% para GAD-7, 81,7% para SPIN e 74,9% para SWL. A análise XAI indica que variáveis temporais (Hours, streams) e motivacionais (whyplay) concentram o sinal preditivo. Como contribuição, o estudo propõe um modelo interpretável de apoio à decisão para triagem inicial em saúde mental em ambientes digitais.