Améliorer l’efficacité de l’évaluation de la dépression avec des modèles d’IA

Peut-être avez-vous entendu dire que les gens peuvent détecter et évaluer les émotions et l'humeur d'un individu de manière relativement précise grâce à l'intonation de la voix ou à tout son émis par cette personne. En fait, de nombreuses startups ambitieuses comme Beyond Verbal, Affectiva et Cogito, spin-out du MIT, mènent actuellement des projets de traitement du langage naturel pour y parvenir. Cependant, de nombreux avis sont également sceptiques à l'égard de ces projets et estiment que les données sonores ne suffisent pas à elles seules pour analyser avec précision l'humeur d'une personne, et encore moins pour l'appliquer. Utilisez ces résultats d'analyse pour diagnostiquer la dépression ainsi que sa gravité.

• Le modèle d'IA de Disney génère des séquences animées à partir de scripts

C'est la raison pour laquelle des scientifiques de l'Indian Institute of Technology Patna et de l'Université de Caen Normandie se sont lancés dans la mise en œuvre d'un projet potentiel, qui utilise des signaux verbaux et non verbaux (langage corporel), combinés à l'acoustique, au texte et aux images pour diagnostiquer et évaluer la niveau de dépression ou de stress qu’une personne ressent. En particulier, les signaux verbaux et non verbaux joueront toujours un rôle clé dans le diagnostic, tandis que les signes et images non verbaux seront utilisés comme facteurs contribuant à améliorer considérablement le diagnostic et à estimer avec précision la gravité de la dépression.

« Le fardeau du travail et de la vie amène de plus en plus de personnes à vivre avec une dépression et même des maladies mentales dont elles ignorent parfois l'existence, ce qui entraîne des maladies de plus en plus graves et entraîne des impacts négatifs sur la vie et le travail. C'est aussi la raison pour laquelle nous devons promouvoir davantage le déploiement de technologies plus avancées, personnalisées et automatisées dans la détection, l'évaluation et le traitement des maladies mentales en général et de la dépression en particulier. Cependant, détecter les premiers signes de dépression est un problème difficile car de nombreux symptômes de cette maladie sont encore secrets et peuvent être trompeurs", ont expliqué les chercheurs.

• UE : les systèmes d’IA doivent être construits et déployés de manière transparente et responsable

Pour résoudre ce problème, des scientifiques de l'Institut indien de technologie de Patna et de l'Université de Caen Normandie ont codé un certain nombre d'éléments pouvant implicitement faire référence à des émotions et des états humains, notamment des pensées telles que la tête baissée, le contact visuel, la durée et l'intensité des sourires, des gestes touchant certaines zones du corps, accompagnés de textes et d'indices verbaux… Et ensuite introduits dans la machine de modèle d'apprentissage, puis les combinent en vecteurs (représentations mathématiques). Ces vecteurs fusionnés ont ensuite été passés par un deuxième système qui prédit les niveaux de dépression sur la base de l'échelle de détresse personnelle en matière de santé (PHQ-8) - un test de diagnostic couramment utilisé dans les essais cliniques et la recherche en psychologie clinique à grande échelle.

Pour entraîner divers systèmes d’IA, les chercheurs ont utilisé les données de l’AIC-WOZ – un ensemble de données liées à la dépression compilé à partir du Distress Analysis Interview Corpus. Cet ensemble de données comprend une énorme quantité de données sur les gestes, la parole, les yeux ainsi que les actions extraites sur la base d'échantillons d'enregistrement audio, de clips vidéo répondant aux questions de 189 entretiens cliniques, prêts à soutenir le diagnostic psychologique de symptômes tels que l'anxiété, la dépression et les troubles post-traumatiques. trouble de stress (les réponses hors sujet ou laissées en suspens ont été supprimées).

• Le modèle d'IA du MIT peut capturer lui-même les relations entre les objets avec un minimum de données de formation

Après plusieurs étapes de prétraitement et de formation du modèle d'apprentissage automatique, l'équipe de recherche a comparé les résultats des systèmes d'IA à l'aide de 3 métriques : l'erreur quadratique moyenne (RMSE), l'erreur absolue moyenne (MAE) et le score de variance expliquée (EVS). Selon le rapport des chercheurs, la fusion des trois éléments que sont le son, le texte et l'image a permis de fournir l'estimation la plus précise du niveau de dépression d'un sujet spécifique, dépassant par rapport à un maximum de 7,17 % sur le RMSE et de 8,08 % sur le MAE.

• Le prix Nobel de la technologie a été décerné à un logiciel qui apprend à l'IA à apprendre comme les humains

À l'avenir, l'équipe de recherche prévoit également de tester des architectures d'apprentissage multitâches plus modernes et d'approfondir les nouveaux problèmes liés aux données textuelles. S'ils apportent des résultats positifs, ces projets constitueront véritablement un grand pas en avant dans l'application de l'intelligence artificielle à la médecine en général et au traitement des maladies neurologiques en particulier, tout en ouvrant des perspectives prometteuses pour les plus de 300 millions de personnes qui souffrent actuellement de dépression. on s’attend à ce qu’elle augmente encore plus rapidement dans les prochaines années, à l’échelle mondiale.