Skip to main content

8 Mai, 2019

Un algorithme de Machine Learning détecte les signaux de dépression de l’enfant par la parole

Un algorithme de Machine Learning détecte les signaux de dépression de l’enfant par la parole

L’anxiété et la dépression sont des affections intrinsèquement difficiles à diagnostiquer, les cliniciens se tournant vers des examens et des questionnaires pour faire leur évaluation. C’est pour cette raison que l’on cherche des moyens plus clairs et plus simples d’identifier les conditions, et les scientifiques de l’Université du Vermont croient en avoir découvert un autre à l’aide d’un nouvel algorithme d’IA qui peut détecter les signaux révélateurs dans la parole d’un sujet.

Diagnostiquer la dépression par des moyens typiques peut non seulement être une tâche difficile pour le patient, mais elle peut aussi être longue et coûteuse. Ces lacunes ont donné lieu à toute une gamme d’initiatives de recherche visant à découvrir une meilleure façon de faire les choses, et nous avons vu des progrès prometteurs dans ce domaine.

Une étude datant de 2014 a découvert un lien entre les taux de sérotonine dans le sang et le réseau de dépression dans le cerveau, ce qui soulève la perspective d’un test sanguin pour cette condition. Une étude de 2017 s’articulait même autour d’un programme informatique capable de détecter les signes de dépression à l’aide des images Instagram du sujet, tandis qu’un autre de cette année explorait comment un algorithme d’apprentissage machine pouvait identifier la condition à l’aide de détecteurs de mouvement portatifs.

La nouvelle recherche fait également appel à un algorithme d’apprentissage automatique, mais cette fois-ci pour détecter les marqueurs de dépression et d’anxiété par le biais du langage des jeunes enfants, conditions connues ensemble sous le nom de « troubles intériorisants ». Ce qui a attiré les chercheurs vers ce problème, c’est la difficulté qu’éprouvent les enfants de moins de huit ans à communiquer leur bien-être mental et les conséquences des troubles non diagnostiqués du développement du cerveau. Cela peut entraîner des problèmes comme l’abus d’alcool et d’autres drogues et des tendances suicidaires en cours de route.

« Nous avons besoin de tests rapides et objectifs pour détecter les enfants lorsqu’ils souffrent « , dit Ellen McGinnis, psychologue clinicienne au Vermont Center for Children, Youth and Families du Centre médical de l’Université du Vermont et auteure principale de l’étude. « La majorité des enfants de moins de 8 ans ne sont pas diagnostiqués. »

Ellen McGinnis et son équipe ont fait appel à un groupe de 71 enfants âgés de trois à huit ans et les ont soumis à une variante de la Trier-Social Stress Task, un exercice d’induction de l’humeur conçu pour déclencher des sentiments de stress et d’anxiété. Les enfants étaient chargés d’improviser une histoire intéressante de trois minutes pendant qu’un juge sévère les observait et leur donnait une rétroaction neutre ou négative.

« La tâche est conçue pour être stressante et pour les mettre dans l’état d’esprit que quelqu’un les jugeait « , précise Ellen McGinnis.

Pendant ce temps, un algorithme d’apprentissage automatique a été mis à contribution pour analyser leur parole. Cette analyse a ensuite été comparée au diagnostic traditionnel obtenu au moyen d’une entrevue clinique et d’un questionnaire, et les chercheurs ont été en mesure de dégager certaines caractéristiques de leur discours qui semblaient servir d’indicateurs de dépression et d’anxiété. Les trois qui se sont vraiment démarqués sont décrits comme des voix graves, des inflexions vocales répétables et une réponse plus aiguë à un buzzer.

« Une voix grave et des éléments vocaux répétables reflètent ce à quoi nous pensons lorsque nous pensons à la dépression : parler d’une voix monotone, répéter ce que vous dites », assure Ellen McGinnis.

L’un des avantages évidents de l’approche, même s’il n’a été démontré que dans une petite étude à ce stade, est son efficacité, l’algorithme étant capable d’offrir son analyse dans les secondes qui suivent la fin de la tâche. Avec ces résultats positifs, l’équipe explore maintenant comment elle pourrait être déployée comme outil de dépistage universel à des fins cliniques, peut-être sous la forme d’une application pour téléphone intelligent.

« L’algorithme a été en mesure d’identifier avec une précision de 80 % les enfants ayant reçu un diagnostic de trouble d’intériorisation et, dans la plupart des cas, cela se comparait très bien à l’exactitude de la liste de contrôle des parents « , explique Ryan McGinnis, ingénieur biomédical à l’Université du Vermont et membre de l’équipe.

https://ieeexplore.ieee.org/document/8700173

https://www.uvm.edu/uvmnews/news/uvm-study-ai-can-detect-depression-childs-speech