Comment l'apprentissage automatique peut aider à lutter contre la dépression

La dépression est une maladie à consonance simple avec des origines complexes qui ne sont pas entièrement comprises. Désormais, l'apprentissage automatique peut permettre aux scientifiques de percer certains de ses mystères afin de fournir un meilleur traitement.

Pour que les patients reçoivent un diagnostic de trouble dépressif majeur, que l'on pense être le résultat d'un mélange de facteurs génétiques, environnementaux et psychologiques, ils doivent présenter plusieurs longue liste symptômes, comme la fatigue ou le manque de concentration. Une fois diagnostiqués, ils peuvent recevoir une thérapie cognitivo-comportementale ou des médicaments pour aider à soulager leur état. Mais tous les traitements ne fonctionnent pas pour tous les patients, car les symptômes peuvent varier considérablement.

Récemment, de nombreux chercheurs en intelligence artificielle ont commencé à développer des moyens d'appliquer l'apprentissage automatique à des situations médicales. De telles approches sont capables de repérer les tendances et les détails dans d'énormes ensembles de données que les humains ne pourraient jamais détecter, en dégageant des résultats qui peuvent être utilisés pour diagnostiquer d'autres patients. le New yorkais a récemment couru un essai particulièrement intéressant sur l'utilisation de la technique pour établir des diagnostics à partir d'analyses médicales.

Des approches similaires sont utilisées pour faire la lumière sur la dépression. UNE étude publiée dans Recherche en psychiatrie plus tôt cette année a montré que les examens IRM peuvent être analysés par des algorithmes d'apprentissage automatique pour établir la probabilité qu'une personne souffre de la maladie. En identifiant des différences subtiles dans les scans de personnes qui étaient et n'étaient pas des personnes atteintes, l'équipe a découvert qu'elle était capable d'identifier les patients invisibles qui souffraient d'un trouble dépressif majeur à partir d'examens IRM avec une précision d'environ 75 %.

Peut-être plus intéressant, Rapports Voix que des chercheurs du Weill Cornell Medical College suivent une approche similaire pour identifier différents types de dépression. En faisant en sorte que des algorithmes d'apprentissage automatique interrogent les données capturées lorsque le cerveau est au repos, les scientifiques ont pu classer quatre sous-types différents de la condition qui se manifestent par différents mélanges d'anxiété et de manque de plaisir.

Toutes les tentatives pour déduire des diagnostics aussi fins à partir d'examens IRM n'ont pas été couronnées de succès dans le passé, bien sûr. Mais l'utilisation de l'IA offre de bien meilleures chances de détecter un signal que lorsque les médecins examinent les scans. À tout le moins, les expériences donnent du poids à l'idée qu'il existe différents types de dépression.

L'approche pourrait n'être qu'une partie d'un effort plus large visant à utiliser l'apprentissage automatique pour repérer des indices subtils liés à la condition. Des chercheurs du Langone Medical Center de l'Université de New York, par exemple, utilisent des techniques d'apprentissage automatique pour identifier les schémas vocaux propres aux personnes souffrant de dépression, ainsi que des conditions telles que le SSPT.

Et l'idée qu'il peut y avoir plusieurs types de dépression pourrait s'avérer utile, selon Vox. Il note un autre étude récente réalisée par des chercheurs de l'Université Emory qui ont découvert que l'apprentissage automatique était capable d'identifier différents modèles d'activité cérébrale dans les IRMf qui étaient corrélés à l'efficacité de différentes formes de traitement.

En d'autres termes, il peut être possible non seulement d'utiliser l'IA pour identifier des types uniques de dépression, mais également d'établir la meilleure façon de les traiter. De telles approches sont encore loin de fournir des résultats cliniquement pertinents, mais elles montrent qu'il peut être possible d'identifier de meilleures façons d'aider les personnes atteintes à l'avenir.

En attendant, certains chercheurs essaient également de développer des IA pour s'assurer que la dépression ne mène pas à des résultats tragiques comme l'automutilation ou le suicide. Le mois dernier, par exemple, Filaire signalé que des scientifiques de la Florida State University avaient développé un logiciel d'apprentissage automatique qui analyse les modèles dans les dossiers de santé pour signaler les patients susceptibles d'avoir des pensées suicidaires. Et Facebook affirme qu'il peut faire quelque chose de similaire en analysant le contenu des utilisateurs, mais il reste à voir l'efficacité de ses interventions.

(Lire la suite: voix , Filaire , New yorkais , Grandes questions autour des outils de prévention du suicide de Facebook , La technologie d'analyse vocale pourrait diagnostiquer la maladie )

cacher