L'IA a appris à détecter les tendances suicidaires à partir de scanners cérébraux

Catégorie: Non classé Posté 30 octobre

Le suicide est le deuxième cause de décès chez les jeunes âgés de 15 à 34 ans aux États-Unis, et les cliniciens disposent d'outils limités pour identifier les personnes à risque. Une nouvelle technique d'apprentissage automatique documentée dans un article publié aujourd'hui dans Nature Comportement humain (PDF) pourrait aider à identifier les personnes souffrant de pensées suicidaires.

Les chercheurs ont examiné 34 jeunes adultes, répartis également entre les participants suicidaires et un groupe témoin. Chaque sujet a subi une imagerie par résonance magnétique fonctionnelle (IRMf) et a reçu trois listes de 10 mots. Tous les mots étaient liés au suicide (des mots comme la mort, la détresse ou la mort), des effets positifs (insouciance, gentillesse, innocence) ou des effets négatifs (ennui, mal, culpabilité). Les chercheurs ont également utilisé des signatures neuronales précédemment cartographiées qui montrent les schémas cérébraux d'émotions telles que la honte et la colère.

Cinq emplacements cérébraux, ainsi que six des mots, se sont révélés être les meilleurs marqueurs pour distinguer les patients suicidaires des témoins. En utilisant uniquement ces emplacements et ces mots, les chercheurs ont formé un classificateur d'apprentissage automatique capable d'identifier correctement 15 des 17 patients suicidaires et 16 des 17 sujets témoins.

Les chercheurs ont ensuite divisé les patients suicidaires en deux groupes, ceux qui avaient tenté de se suicider (neuf personnes) et ceux qui ne l'avaient pas fait (huit personnes), et ont formé un nouveau classificateur capable d'identifier correctement 16 des 17 patients.

Les résultats ont montré que les patients en bonne santé et ceux qui avaient des pensées suicidaires montraient des réactions nettement différentes aux mots. Par exemple, lorsque les participants suicidaires ont vu le mot mort, la zone de honte de leur cerveau s'est éclairée plus que dans le groupe témoin. De même, les troubles évoquaient également plus d'activité dans le domaine de la tristesse.

Ce n'est que le dernier effort visant à introduire l'IA en psychiatrie. Les chercheurs travaillent sur des projets d'apprentissage automatique qui vont de l'analyse des IRM pour prédire le trouble dépressif majeur à la sélection du SSPT à partir des modèles de parole des gens. Plus tôt cette année, Filaire a écrit sur les chercheurs qui ont construit un système capable de parcourir les dossiers de santé pour signaler une personne à risque de se suicider, avec une précision comprise entre 80 et 90 %. Facebook utilise l'exploration de texte pour identifier les utilisateurs à risque de suicide ou d'automutilation, puis les oriente vers des ressources de santé mentale (voir Grandes questions autour des outils de prévention du suicide de Facebook).

L'intelligence artificielle a déjà fait des vagues dans le domaine médical au sens large. Il existe des algorithmes si performants pour détecter les tumeurs et d'autres problèmes dans les tomodensitogrammes que Geoffrey Hinton, l'un des plus éminents chercheurs en apprentissage profond, a déclaré à la New yorkais que les radiologues finiront par perdre leur emploi. En effet, a-t-il dit, ils devraient cesser de former des radiologues maintenant.

Dans ce cas, la recherche est plus susceptible d'inspirer de nouvelles thérapies axées sur l'homme que de mettre tout un domaine de médecins au chômage. Le document a souligné que l'identification de différents modèles et zones pourrait suggérer de nouvelles régions à cibler pour les techniques de stimulation cérébrale. L'identification de réponses émotionnelles particulières à des termes liés au suicide pourrait également être utile aux psychothérapeutes traitant leurs patients.