Une nouvelle IA détecte les troubles mentaux sur la base de publications Web

Les chercheurs de Dartmouth ont construit un modèle d'intelligence artificielle pour détecter les troubles mentaux à l'aide de conversations sur Reddit, faisant partie d'une vague émergente d'outils de dépistage qui utilisent des ordinateurs pour analyser les publications sur les réseaux sociaux et avoir un aperçu de l'état mental des gens.

Ce qui définit le nouveau modèle apart met l'accent sur les émotions plutôt que sur le contenu spécifique des textes des médias sociaux analysés. Dans un article présenté à la 20e Conférence internationale sur l'intelligence Web et la technologie des agents intelligents, les chercheurs montrent que cette approche fonctionne mieux avec le temps, quels que soient les sujets abordés dans les articles.

Il y a plusieurs raisons pour lesquelles les gens ne demandent pas d'aide pour troubles de santé mentale— la stigmatisation, les coûts élevés et le manque d'accès aux services sont des obstacles courants. Il y a aussi une tendance à minimiser les signes de les troubles mentaux ou les confondre avec le stress, explique Xiaobo Guo, Guarini '24, co-auteur de l'article. Il est possible qu'ils demandent de l'aide avec une certaine incitation, dit-il, et c'est là que les outils de dépistage numériques peuvent faire la différence.

"Les médias sociaux offrent un moyen facile de puiser dans les comportements des gens", explique Guo. Les données sont volontaires et publiques, publiées pour que d'autres puissent les lire, dit-il.

Reddit, qui offre un vaste réseau de forums d'utilisateurs, était leur plate-forme de choix car elle compte près d'un demi-milliard d'utilisateurs actifs qui discutent d'un large éventail de sujets. Les publications et les commentaires sont accessibles au public et les chercheurs pourraient collecter des données remontant à 2011.

Dans leur étude, les chercheurs se sont concentrés sur ce qu'ils appellent troubles émotionnels—troubles dépressifs majeurs, anxieux et bipolaires—qui se caractérisent par des schémas émotionnels distincts. Ils ont examiné les données d'utilisateurs qui avaient déclaré avoir l'un de ces troubles et d'utilisateurs sans aucun trouble mental connu.

Ils ont formé leur modèle pour étiqueter les émotions exprimées dans les messages des utilisateurs et cartographier les transitions émotionnelles entre les différents messages, afin qu'un message puisse être étiqueté "joie", "colère", "tristesse", "peur", "pas d'émotion" ou une combinaison de ceux-ci. La carte est une matrice qui montrerait la probabilité qu'un utilisateur passe d'un état à un autre, comme de la colère à un état neutre sans émotion.

Différents troubles émotionnels ont leurs propres modèles de signature de transitions émotionnelles. En créant une « empreinte » émotionnelle pour un utilisateur et en la comparant à des signatures établies de troubles émotionnels, le modèle peut les détecter. Pour valider leurs résultats, ils l'ont testé sur des postes qui n'ont pas été utilisés pendant la formation et montrent que le modèle prédit avec précision quels utilisateurs peuvent ou non avoir l'un de ces troubles.

Cette approche évite un problème important appelé "fuite d'informations" que rencontrent les outils de dépistage typiques, explique Soroush Vosoughi, professeur adjoint d'informatique et autre co-auteur. D'autres modèles sont construits autour de l'examen et de la confiance dans le contenu du texte, dit-il, et bien que les modèles montrent des performances élevées, ils peuvent également être trompeurs.

Lire l'histoire complète ici…