Détecteur de dépression

Illustration d'une personne avec une bulle de dialogue montrant un cerveau à l'intérieur. M / s. Technologie; Profil du visage par Marek Polakovic, SK | Projet de nom

Pour diagnostiquer la dépression, les cliniciens interrogent les patients en leur posant des questions spécifiques, par exemple sur les maladies mentales passées, le mode de vie et l'humeur.

L'apprentissage automatique capable de détecter les mots et les intonations associés à la dépression pourrait aider au diagnostic. Mais ces modèles ont tendance à prédire la dépression à partir des réponses spécifiques de la personne à des questions très spécifiques.

Un nouveau modèle de réseau de neurones développé au MIT peut être déclenché sur des données brutes de texte et audio d'entretiens pour découvrir des modèles de discours indiquant une dépression. Étant donné un nouveau sujet, il peut prédire avec précision si l'individu est déprimé sans avoir besoin d'autres informations sur les questions et les réponses.

Le modèle voit des séquences de mots ou de style de parole et détermine que ces schémas sont plus susceptibles d'être observés chez les personnes déprimées ou non déprimées, explique Tuka Alhanai, SM '14, étudiant diplômé de l'EECS et chercheur au CSAIL, premier auteur d'un article présenté à la conférence Interspeech. Ensuite, s'il voit les mêmes séquences chez de nouveaux sujets, il peut prédire s'ils sont également déprimés.

Cette recherche pourrait mener à des outils pour détecter les signes de dépression dans une conversation naturelle. Par exemple, les applications qui alertent les utilisateurs des signes de détresse dans leurs communications textuelles et vocales pourraient être utiles pour ceux qui ne peuvent pas se rendre chez un clinicien pour un diagnostic en raison de la distance, du coût ou du manque de conscience que quelque chose ne va pas. La technologie pourrait également aider à identifier la détresse mentale lors de conversations informelles dans les cabinets cliniques. —

cacher