ETUDE RECHERCHE CANADA Pourra-t-on prévenir le suicide à l’aide de l’intelligence artificielle?

Pourra-t-on prévenir le suicide à l’aide de l’intelligence artificielle?

L'intelligence artificielle pourrait aider des intervenants en centres de crise à mieux intervenir auprès de personnes ayant des idées suicidaires.
Alain Labelle Publié le 11 mai 2024  https://ici.radio-canada.ca/*

L’analyse de la parole au moyen d’un outil d’intelligence artificielle permettra d’évaluer les risques de suicide, affirme l’ingénieur en science des données Alaa Nfissi, qui prépare actuellement un doctorat à l’Université Concordia à Montréal.

Son projet doctoral porte sur le développement de techniques d’intelligence artificielle permettant la détection automatique d’émotions à partir de conversations téléphoniques.

L’idée, c’est de détecter les émotions à partir de la parole des personnes qui appellent régulièrement les centres d’appel de soutien en raison d’idées suicidaires, explique M. Nfissi, qui est aussi membre du Centre de recherche et d’intervention sur le suicide, enjeux éthiques et pratiques de fin de vie (CRISE).

Pour y arriver, il a créé un modèle d’apprentissage profond. À terme, le chercheur espère que son modèle mènera à la création d’un tableau de bord en temps réel dont les téléconseillères et téléconseillers pourront se servir dans leurs interventions auprès de personnes appelantes aux prises avec l’émotion et qui les aidera à choisir la bonne stratégie.

Le modèle du chercheur Alaa Nfissi pourrait aider les téléconseillers à choisir la bonne stratégie d'intervention.

La parole, miroir de l’âme

La parole est essentielle à la compréhension de l’état émotionnel d’une personne en crise. Pour cette raison, elle joue un rôle majeur dans la détection des pensées suicidaires.

Les gens qui répondent au téléphone dans les lignes d’aide sont formés pour comprendre les émotions des interlocuteurs et savent très bien comment les détecter.

Mais aucun système n’étant parfait, l’interprétation des paroles d’une personne suicidaire peut parfois se révéler erronée.

La réalité, c’est qu’une intervention de ce type demande beaucoup d’expertise. Ce que nous voulons faire, c’est de standardiser une partie du procédé de détection d’émotions pour aider tous les agents, dont ceux qui sont moins expérimentés, à prendre les meilleures décisions pour aider les personnes qui appellent.

Une citation de Alaa Nfissi, doctorant à l’Université Concordia

Repères

• Environ 4500 personnes se suicident chaque année au Canada, ce qui équivaut à 12 personnes par jour.
• Au Québec, 1030 personnes s’enlèvent la vie annuellement, ce qui équivaut à 3 personnes par jour.
• Plus de 200 personnes font une tentative de suicide chaque jour au pays.
• Il existe une trentaine de centres de prévention du suicide au Québec.

La parole joue un rôle majeur dans la détection des pensées suicidaires.

Le modèle utilisé dans l’étude

Pour créer le modèle, Alaa Nfissi a utilisé une base de données constituée d’appels réels enregistrés par des organismes voués à la prévention du suicide, et une compilation d’enregistrements utilisés en recherche faits par des acteurs qui expriment des émotions précises.

Publicité

Dans le cadre d’un protocole adapté à ce type de tâche, les deux ensembles ont été segmentés puis annotés par des chercheuses et chercheurs de formation du CRISE ou par les intervenants ayant procédé eux-mêmes aux enregistrements, précise M. Nfissi.

Chaque segment annoté reflète ainsi un état d’esprit particulier tel que la colère, l’indifférence, la tristesse, la peur, le souci ou l’inquiétude.

Les données ont ensuite été analysées à l’aide du modèle d’apprentissage profond d’Alaa Nfissi.

On prend un segment [vocal] tel quel et on le passe dans le modèle qui s’occupe d’extraire les caractéristiques de la voix qui sont nécessaires pour détecter l’émotion.

Une citation de Alaa Nfissi, doctorant à l'Université Concordia

Selon le chercheur, les résultats de son modèle sont encourageants. Le modèle a correctement identifié :

• la peur, le souci ou l’inquiétude dans 82 % des cas;
• l’indifférence dans 78 % des cas;
• la tristesse dans 77 % des cas;
• la colère dans 72 % des cas.

Le modèle a été très efficace dans la reconnaissance des segments enregistrés par des comédiennes et comédiens, son taux d’exactitude allant de 78 % pour la tristesse à 100 % pour la colère.

Notre modèle est plus efficace que les autres modèles qui sont développés par d’autres chercheurs, et nous travaillons toujours à l’améliorer. C’est un travail continu, puisque c’est important d’avoir plus de données pour être plus précis, insiste le chercheur.

Le modèle est toujours au stade de prototype et n’est pas utilisé dans les centres d’appels. Et pour y parvenir, des investissements financiers seront nécessaires pour peaufiner l’outil et créer un tableau de bord fiable.

La recherche et la production d’un outil prêt pour les centres d’appels sont deux mondes différents. Implanter un modèle comme le nôtre nécessite un investissement important dans l’intelligence artificielle.

Une citation de Alaa Nfissi, doctorant à l’Université Concordia

Le chercheur estime que si un financement adéquat était obtenu prochainement, le modèle pourrait parvenir aux centres d’appel dans un an ou deux.

Le modèle d’Alaa Nfissi a été présenté pour la première fois en février 2024, lors du 18e congrès de l’IEEE (Nouvelle fenêtre) (International Conference on Semantic Computing), qui se tenait à Laguna Hills, en Californie.

Le modèle d'IA pourrait parvenir aux centres d’appel dans un an ou deux.

Des défis

L'utilisation de l'intelligence artificielle pour la reconnaissance des émotions vocales comporte des défis, tels que la protection de la vie privée et le risque de biais, estime l’ingénieur.

Le risque de biais dans l'intelligence artificielle se réfère à la tendance des systèmes d’apprentissage profond à développer des préjugés qui peuvent provenir des données sur lesquelles ils sont entraînés.

Si les données contiennent des représentations inégales ou stéréotypées de certains groupes de personnes, l'IA pourrait être moins précise pour ces groupes. Par exemple, si un système est majoritairement entraîné avec des voix de certaines régions ou groupes ethniques, il pourrait être moins capable de reconnaître correctement les émotions exprimées par des personnes d'autres régions ou origines. Cela peut entraîner une discrimination involontaire et affecter l'équité de l'application de la technologie.

Une citation de Alaa Nfissi, doctorant à l'Université Concordia

Il est donc essentiel d'adopter des mesures de protection des données et de surveiller attentivement les biais pour exploiter au mieux ces technologies tout en respectant les normes éthiques et légales, ajoute Alaa Nfissi, qui insiste sur le fait que l'IA offre aussi des occasions significatives pour améliorer la communication et l'interaction humaine.

D’autres utilisations

L’analyse de la parole au moyen d’un outil d’intelligence artificielle pourra aussi être utile dans de nombreux domaines, dont dans les services à la clientèle téléphoniques ou dans l’enseignement à distance.

C’est vraiment un domaine très vaste de recherche que l’on peut appliquer dans plusieurs aspects de la société, conclut Alaa Nfissi.

Vous avez besoin d'aide pour vous ou pour un proche?

• Sur le web : www.suicide.ca (Nouvelle fenêtre)
• Par téléphone : 1 866 APPELLE (277-3553)
• Par texto : 535353

https://ici.radio-canada.ca/nouvelle/2071447/intelligence-artificielle-emotions-prevention-suicide

Google applique l’IA avancée à la prévention du suicide et à la réduction des résultats de recherche graphiques

Google applique l’IA avancée à la prévention du suicide et à la réduction des résultats de recherche graphiques

Date de publication :24 mai 2023 Par Nicolas Gaillard https://indigobuzz.fr/*

Google lira les indices contextuels au moment le plus important.

Google a déployé des systèmes d’intelligence artificielle plus intelligents et affirme qu’il les met désormais au travail pour assurer la sécurité des personnes.

En particulier, le géant de la recherche a partagé mercredi de nouvelles informations sur la façon dont il utilise ces systèmes avancés pour la prévention du suicide et de la violence domestique, et pour s’assurer que les gens ne voient pas de contenu graphique lorsque ce n’est pas ce qu’ils recherchent.

Lorsque les internautes recherchent des expressions liées au suicide ou à la violence domestique, Google affiche une boîte d’informations contenant des détails sur la manière de demander de l’aide. Il remplit ces boîtes avec des numéros de téléphone et d’autres ressources qu’il crée en partenariat avec des organisations et des experts locaux.

Mais Google a constaté que toutes les expressions de recherche liées à des moments de crise personnelle ne sont pas explicites et que beaucoup sont géographiquement spécifiques. Par exemple, il existe des endroits connus comme des « points chauds » du suicide. Auparavant, Google marquait manuellement les recherches de points chauds connus qui feraient apparaître des boîtes d’information sur la réduction des risques. Mais grâce aux nouveaux outils d’IA, le moteur de recherche peut savoir qu’une recherche est liée au suicide – et faire apparaître ces boîtes d’information – sans direction humaine explicite.

Google donne l’exemple qu’en Australie, les personnes ayant des idées suicidaires peuvent rechercher des « points chauds du suicide à Sydney ». Google affirme que ses nouveaux outils de traitement du langage lui permettent de comprendre que ce qu’une personne recherche vraiment ici, c’est de sauter des points – et qu’elle peut avoir besoin d’aide.

« Tous les langages de crise ne sont pas évidents, en particulier d’une langue et d’une culture à l’autre », a déclaré Anne Merritt, chef de produit Google qui a travaillé sur le projet de réduction des risques.

De même, des recherches parfois longues et complexes sur les relations peuvent contenir des informations suggérant qu’une personne est maltraitée. Les systèmes précédents auraient peut-être eu du mal à identifier cette information cruciale parmi d’autres bruits. Mais Google affirme que MUM est plus apte à comprendre les longues requêtes, de sorte qu’il peut faire apparaître des boîtes d’information sur la violence domestique dans ces cas.

L’autre innovation de Google est de s’assurer que les utilisateurs ne tombent pas accidentellement sur du contenu graphique si ce n’est pas ce qu’ils recherchent. Même sans le paramètre « recherche sécurisée » activé, Google affirme que le fait de mettre un nouveau système d’IA au travail sur ce défi a réduit les résultats de recherche graphique de 30 %.

Pour démontrer la technique, Google a donné l’exemple d’une personne recherchant une vidéo musicale. De nombreuses vidéos musicales contiennent, eh bien, beaucoup de nudité ou de nudité partielle. Google choisira donc de montrer des vidéos qui ne contiennent pas de contenu graphique comme la nudité ou la violence, à moins que ce ne soit ce qu’une personne recherche explicitement. Cela peut sembler un peu pudique et potentiellement injuste pour les musiciens qui incluent de la nudité ou d’autres contenus graphiques dans leur art. Mais en tant qu’arbitre de la recherche, Google a apparemment choisi d’être en sécurité plutôt que désolé (de peur de traumatiser accidentellement quelqu’un).

« Nous voulons vraiment être très clairs sur le fait qu’un utilisateur cherche quelque chose avant de le retourner », a déclaré Emma Higham, chef de produit qui travaille sur les recherches sécurisées.

Les nouveaux moteurs d’IA qui alimentent ces changements s’appellent MUM(s’ouvre dans un nouvel onglet) et BERT(s’ouvre dans un nouvel onglet). La technologie la plus récente, MUM, signifie Multitask Unified Model. Google affirme que MUM comprend mieux l’intention derrière la recherche d’une personne, il donne donc des réponses plus nuancées que les anciens modèles fournis. Il est également formé dans 75 langues, de sorte qu’il peut répondre aux questions en utilisant des informations provenant de sources écrites dans des langues autres que celle dans laquelle une personne recherche. Google emploiera MUM pour ses efforts de prévention des crises « dans les semaines à venir ».

Google affirme que MUM est 1 000 fois plus puissant que la deuxième innovation de recherche la plus récente, BERT, qui signifie Bidirectional Encoder Representations from Transformers. Mais ne sous-estimez pas le BERT, qui est capable de comprendre les mots en fonction du contexte des mots qui l’entourent, et pas seulement pour la signification autonome d’un mot. C’est ce qui en fait un outil efficace pour réduire les recherches de contenu graphique.

Une boîte d’information et des résultats de recherche plus propres ne peuvent endiguer qu’une grande partie de la marée qui est le stress et les traumatismes de la vie quotidienne, en particulier sur Internet ces jours-ci. Mais c’est une raison de plus pour que la Big Tech investisse dans des outils technologiques avec des applications comme celles-ci.

*https://indigobuzz.fr/2023/05/google-applique-lia-avancee-a-la-prevention-du-suicide-et-a-la-reduction-des-resultats-de-recherche-graphiques.html

ETUDE RECHERCHE AUSTRALIE L’intelligence artificielle pourrait améliorer la prévention du suicide à l’avenir

L’intelligence artificielle pourrait améliorer la prévention du suicide à l’avenir

Par Victoria Lemarchand - 5 octobre 2022 https://www.attractivearea.com*

La perte d’une vie peut être dévastatrice, mais la perte d’une vie par suicide est particulièrement tragique.

Environ neuf Australiens se suicident chaque jour, et c’est la principale cause de décès chez les Australiens âgés de 15 à 44 ans. Les tentatives de suicide sont plus fréquentes, certaines estimations indiquant qu’elles se produisent jusqu’à 30 fois plus souvent que les décès.

« Le suicide a des effets importants lorsqu’il se produit. Il touche de nombreuses personnes et a des conséquences profondes pour la famille, les amis et les communautés », déclare Karen Kusuma, titulaire d’un doctorat de l’UNSW à Sydney. candidat en psychiatrie au Black Dog Institute, qui étudie la prévention du suicide chez les adolescents.

Mme Kusuma et une équipe de chercheurs du Black Dog Institute et du Center for Big Data Research in Health ont récemment étudié la base de preuves des modèles d’apprentissage automatique et leur capacité à prédire les futurs comportements et pensées suicidaires. Ils ont évalué les performances de 54 algorithmes d’apprentissage automatique précédemment développés par des chercheurs pour prédire les résultats liés au suicide de l’idéation, de la tentative et de la mort.

La méta-analyse, publiée dans le Journal de recherche psychiatrique ont constaté que les modèles d’apprentissage automatique surpassaient les modèles traditionnels de prédiction des risques pour prédire les résultats liés au suicide, qui avaient traditionnellement de mauvais résultats.

« Dans l’ensemble, les résultats montrent qu’il existe une base de preuves préliminaire mais convaincante que l’apprentissage automatique peut être utilisé pour prédire les futurs résultats liés au suicide avec de très bonnes performances », déclare Mme Kusuma.

Modèles traditionnels d’évaluation du risque de suicide

L’identification des personnes à risque de suicide est essentielle pour prévenir et gérer les comportements suicidaires. Cependant, la prévision des risques est difficile.

Dans les services d’urgence (SU), des outils d’évaluation des risques tels que des questionnaires et des échelles d’évaluation sont couramment utilisés par les cliniciens pour identifier les patients à risque élevé de suicide. Cependant, les preuves suggèrent qu’ils sont inefficaces pour prédire avec précision le risque de suicide dans la pratique.

« Bien qu’il existe certains facteurs communs associés aux tentatives de suicide, les risques pour une personne peuvent être très différents pour une autre », déclare Mme Kusuma. « Mais le suicide est complexe, avec de nombreux facteurs dynamiques qui rendent difficile l’évaluation d’un profil de risque à l’aide de ce processus d’évaluation. »

Une analyse post-mortem des personnes décédées par suicide dans le Queensland a révélé que parmi celles qui ont reçu une évaluation formelle du risque de suicide, 75% ont été classées comme à faible risque et aucune n’a été classée comme à haut risque. Des recherches antérieures examinant les 50 dernières années de modèles quantitatifs de prédiction du risque de suicide ont également révélé qu’ils n’étaient que légèrement meilleurs que le hasard pour prédire le risque de suicide futur.

« Le suicide est l’une des principales causes d’années de vie perdues dans de nombreuses régions du monde, y compris en Australie. , nous avons constaté des augmentations », déclare Mme Kusuma.

Malgré le manque de preuves en faveur des évaluations traditionnelles du risque de suicide, leur administration reste une pratique courante dans les établissements de soins de santé pour déterminer le niveau de soins et de soutien d’un patient. Les personnes identifiées comme présentant un risque élevé reçoivent généralement le niveau de soins le plus élevé, tandis que celles identifiées comme présentant un faible risque reçoivent leur congé.

« En utilisant cette approche, malheureusement, les interventions de haut niveau ne sont pas accordées aux personnes qui ont vraiment besoin d’aide. Nous devons donc chercher à réformer le processus et explorer les moyens d’améliorer la prévention du suicide », a déclaré Mme Kusuma.

Dépistage du suicide par apprentissage automatique

Mme Kusuma dit qu’il y a un besoin pour plus d’innovation dans la suicidologie et une réévaluation des modèles standards de prédiction du risque de suicide. Les efforts visant à améliorer la prédiction des risques ont conduit ses recherches à utiliser l’intelligence artificielle (IA) pour développer des algorithmes de risque de suicide.

« Avoir une IA qui pourrait recueillir beaucoup plus de données qu’un clinicien serait en mesure de mieux reconnaître les schémas associés au risque de suicide », déclare Mme Kusuma.

Dans l’étude de méta-analyse, les modèles d’apprentissage automatique ont surpassé les références établies précédemment par les modèles traditionnels de prédiction du risque de suicide cliniques, théoriques et statistiques. Ils ont correctement prédit 66% des personnes qui connaîtraient un résultat suicidaire et correctement prédit 87% des personnes qui ne connaîtraient pas un résultat suicidaire.

« Les modèles d’apprentissage automatique peuvent bien prédire les décès par suicide par rapport aux modèles de prédiction traditionnels et pourraient devenir une alternative efficace et efficiente aux évaluations des risques conventionnelles », a déclaré Mme Kusuma.

Les hypothèses strictes des modèles statistiques traditionnels ne lient pas les modèles d’apprentissage automatique. Au lieu de cela, ils peuvent être appliqués de manière flexible à de grands ensembles de données pour modéliser des relations complexes entre de nombreux facteurs de risque et des résultats suicidaires. Ils peuvent également intégrer des sources de données réactives, y compris les médias sociaux, pour identifier les pics de risque de suicide et signaler les moments où les interventions sont les plus nécessaires.

« Au fil du temps, les modèles d’apprentissage automatique pourraient être configurés pour prendre en compte des données plus complexes et plus volumineuses afin de mieux identifier les modèles associés au risque de suicide », explique Mme Kusuma.

L’utilisation d’algorithmes d’apprentissage automatique pour prédire les résultats liés au suicide est encore un domaine de recherche émergent, avec 80 % des études identifiées publiées au cours des cinq dernières années. Mme Kusuma dit que les recherches futures aideront également à traiter le risque de biais d’agrégation trouvé dans les modèles algorithmiques à ce jour.

« Des recherches supplémentaires sont nécessaires pour améliorer et valider ces algorithmes, ce qui contribuera ensuite à faire progresser l’application de l’apprentissage automatique en suicidologie », déclare Mme Kusuma. « Bien que nous soyons encore loin de la mise en œuvre dans un cadre clinique, la recherche suggère qu’il s’agit d’une voie prometteuse pour améliorer la précision du dépistage du risque de suicide à l’avenir. »

https://www.attractivearea.com/sante-bien-etre/lintelligence-artificielle-pourrait-ameliorer-la-prevention-du-suicide-a-lavenir/21990

 

***
Info +  Journal of Psychiatric Research Volume 155, November 2022, Pages 579-588
The performance of machine learning models in predicting suicidal ideation, attempts, and deaths: A meta-analysis and systematic review Author Karen Kusuma^a Mark Larsen ^a Juan C.Quiroz ^b Malcolm Gillies ^b Alexander Burnett ^a Jiahui Qian ^a Michelle Torok^a
a Black Dog Institute, University of New South Wales, Hospital Road, Randwick NSW, 2031, Australia ^b Centre for Big Data Research in Health, University of New South Wales, Sydney NSW, 2052, Australia
Received 16 March 2022, Revised 21 August 2022, Accepted 24 September 2022, Available online 29 September 2022, Version of Record 6 October 2022.
https://www.sciencedirect.com/science/article/abs/pii/S0022395622005416

Kap Code & Nock Lab, un Département de Psychologie de l’Université de Harvard développent des algorithmes pour identifier les pensées suicidaires sur les réseaux sociaux

Kap Code développe des algorithmes de prévention du suicide avec Harvard

Source Camille Boivigny  mind Health (site web) Lundi 28 février 2022 

La start-up française a annoncé le 24 février 2022 le développement d'algorithmes visant à identifier les pensées suicidaires sur les réseaux sociaux. Spécialisée dans l'analyse des données de santé de vie réelle issues des réseaux sociaux, Kap Code met à disposition son expertise à travers le projet collaboratif Epilogue, autour de projets de recherche de santé publique. Elle s'associe pour ce faire à Nock Lab, un département de psychologie de l'université de Harvard. L'ambition est d'identifier précocement les signaux d'alertes sur les plateformes d'échange d'informations que sont les réseaux, précise le communiqué.

À noter : Kap Code a récemment rejoint l'accélérateur Future4Care aux côtés de 21 autres start-up.

Cet article est paru dans mind Health (site web)

 ***

Communiqué de presse

Kap Code & Nock Lab, un Département de Psychologie de l’Université de Harvard développent des algorithmes pour identifier les pensées suicidaires sur les réseaux sociaux

Publié le 24 février 2022Source https://www.kapcode.f*

Paris, le 24/02/2022

Selon, l’Organisation mondiale de la Santé, plus de 700 000 personnes sont mortes par suicide en 2019, classant l’acte suicidaire en 4ème cause de mort après les accidents de la route, la tuberculose et la violence interpersonnelle chez les 15 à 29 ans[1]. Le suicide est souvent perçu comme un acte spontané. Cependant, la majorité des personnes qui se suicident expriment leurs pensées sur la mort ou le suicide bien avant le passage à l’acte. L’analyse de telles propos, retrouvés sur les plateformes d’échanges, permet une identification précoce de signaux d’alertes.

« La majorité des personnes qui meurent par suicide partagent leurs pensées à propos de la mort ou du suicide avant de mourir. Nous avons l’espoir qu’en travaillant ensemble, nous pouvons mieux identifier ces risques afin d’intervenir et sauver. »

Matthew Nock, PhD, Université de Harvard Tweet

Avec le projet collaboratif Epilogue, Kap Code met à disposition son expertise dans l’analyse de données de vie réelle issues des réseaux sociaux, autour de projets de recherche de santé publique. Ce projet a donné naissance à une collaboration avec les chercheurs du Nock Lab dans le Département de Psychologie de l’Université de Harvard sur la prévention des suicides, avec l’identification de propos suicidaires sur les réseaux sociaux.

Les suicides et les réseaux sociaux

Les réseaux sociaux sont utilisés, en premier lieu pour l’échange d’information. Bien que certains aspects de ces plateformes puissent être nocifs (cyberharcèlement, l’émergence viral de challenges dangereux[2], …), les réseaux sociaux représentent aussi une opportunité pour les individus de se connecter les uns aux autres par un partage d’expériences. Parce que les individus qui sont aux prises avec des problèmes de santé mentale, comme les pensées suicidaires, utilisent souvent les réseaux sociaux pour partager leurs expériences et obtenir le soutien de leurs pairs, ces sites représentent une perspective prometteuse pour identifier et aider les personnes dans le besoin. Idéalement, ce processus pourrait se dérouler automatiquement, afin d’identifier et de fournir des ressources en temps réel aux individus qui ont besoin d’aide. Il s’agirait, alors, d’un outil extrêmement puissant pour aider les personnes suicidaires au moment où elles en ont le plus besoin.

Un algorithme pour une prévention des suicides plus élaborée

Kap Code utilisent les données de vie réelle issues des réseaux sociaux. En effet, de nombreux internautes y compris des patients partagent et discutent de leur santé, leur traitement et leurs difficultés personnelles sur ces plateformes. Ces plateformes offrent la possibilité de détecter et d’intervenir précocement dans un large éventail de disparités en matière de santé mentale.

« La santé mentale est un enjeu majeur de santé publique, et c’est une opportunité incroyable de mettre à disposition notre expertise afin d’impacter positivement la prise en charge des patients. »

Adel Mebarki, Directeur Général chez Kap Code Tweet

Dans ce projet, Kap Code apporte son expertise d’analyse des messages postés sur Twitter qui contiennent des mots-clés liés au suicide. Ce partenariat permet de combiner l’expertise de prévention du suicide du laboratoire Nock Lab de l’Université de Harvard et l’expertise forte en machine learning de Kap Code permettant un suivi longitudinal. Ce projet a pour objectif de développer un outil capable d’identifier les références aux pensées et aux comportements suicidaires sur Twitter. Un tel outil pourrait un jour être utilisé pour contribuer à l’identification précoce des individus à risque et, par conséquent, sauver des vies.

Télécharger le communiqué de presse

Sources

[1] Suicide worldwide in 2019: global health estimates. Geneva: World Health Organization; 2021. Licence: CC BY-NC-SA 3.0 IGO.

[2] Eyuboglu, M., Eyuboglu, D., Pala, S. C., Oktar, D., Demirtas, Z., Arslantas, D., & Unsal, A. (2021). Traditional school bullying and cyberbullying: Prevalence, the effect on mental health problems and self-harm behavior. Psychiatry research, 297, 113730.

https://www.kapcode.fr/communiques-de-presse/kap-code-nock-lab-un-departement-de-psychologie-de-luniversite-de-harvard-developpent-des-algorithmes-pour-identifier-les-pensees-suicidaires-sur-les-reseaux-sociaux/

 ***

 

Article sur le sujet

Suicide : quand les réseaux sociaux font office de sentinelles
Publié le 3 mars 2022 sur https://www.santementale.fr*
 
Avec le projet collaboratif Epilogue1, Kap Code, une start-up dévolue à la santé numérique et ses applications, met à disposition son expertise dans l’analyse de données de vie réelle issues des réseaux sociaux, autour de projets de recherche de santé publique. Ce projet a donné naissance à une collaboration avec les chercheurs du Nock Lab3 dans le Département de Psychologie de l’Université de Harvard sur la prévention des suicides, avec l’identification de propos suicidaires sur les réseaux sociaux.


« La majorité des personnes qui meurent par suicide partagent leurs pensées à propos de la mort ou du suicide avant de mourir. Nous avons l’espoir qu’en travaillant ensemble, nous pouvons mieux identifier ces risques afin d’intervenir et sauver » Matthew Nock, PhD, Université de Harvard Selon, l’Organisation mondiale de la Santé, plus de 700 000 personnes sont mortes par suicide en 2019, classant l’acte suicidaire en 4ème cause de mort après les accidents de la route, la tuberculose et la violence interpersonnelle chez les 15 à 29 ans2 . Le suicide est souvent perçu comme un acte spontané. Cependant, la majorité des personnes qui se suicident expriment leurs pensées sur la mort ou le suicide bien avant le passage à l’acte. L’analyse de telles propos, retrouvés sur les plateformes d’échanges, permet une identification précoce de signaux d’alertes.

Les suicides et les réseaux sociaux

Les réseaux sociaux sont utilisés, en premier lieu pour l’échange d’information. Bien que certains aspects de ces plateformes puissent être nocifs (cyberharcèlement, l’émergence viral de challenges dangereux4, …), les réseaux sociaux représentent aussi une opportunité pour les individus de se connecter les uns aux autres par un partage d’expériences. Parce que les individus qui sont aux prises avec des problèmes de santé mentale, comme les pensées suicidaires, utilisent souvent les réseaux sociaux pour partager leurs expériences et obtenir le soutien de leurs pairs, ces sites représentent une perspective prometteuse pour identifier et aider les personnes dans le besoin. Idéalement, ce processus pourrait se dérouler automatiquement, afin d’identifier et de fournir des ressources en temps réel aux individus qui ont besoin d’aide. Il s’agirait, alors, d’un outil extrêmement puissant pour aider les personnes suicidaires au moment où elles en ont le plus besoin.
Un algorithme pour une prévention des suicides plus élaborée

Kap Code utilise les données de vie réelle issues des réseaux sociaux. En effet, de nombreux internautes y compris des patients partagent et discutent de leur santé, leur traitement et leurs difficultés personnelles sur ces plateformes. Ces plateformes offrent la possibilité de détecter et d’intervenir précocement dans un large éventail de disparités en matière de santé mentale.


Dans ce projet, Kap Code apporte son expertise d’analyse des messages postés sur Twitter qui contiennent des mots-clés liés au suicide. Ce partenariat permet de combiner l’expertise de prévention du suicide du laboratoire Nock Lab de
l’Université de Harvard et l’expertise forte en machine learning de Kap Code permettant un suivi longitudinal. Ce projet a pour objectif de développer un outil capable d’identifier les références aux pensées et aux comportements suicidaires
sur Twitter. Un tel outil pourrait un jour être utilisé pour contribuer à l’identification précoce des individus à risque et, par conséquent, sauver des vies.

1- Épilogue est une plateforme collaborative avec pour volonté de rassembler un maximum de ressources et d’analyses sur la pandémie de la COVID-19.
2- Suicide worldwide in 2019: global health estimates. Geneva: World Health Organization ; 2022 Licence: CC BY-NC-SA 3.0 IGO.
3- Nock Lab se trouve dans le Département de Psychologie de l’Université de Harvard, sous la direction du Professeur Matthew Nock. La recherche dans le laboratoire est focalisée sur la compréhension de l’engagement de personnes dans des comportements qui sont nocifs pour eux-mêmes et la traduction de ce savoir dans de meilleurs méthodes pour évaluer et traiter les comportements nocifs.
4 -Eyuboglu, M., Eyuboglu, D., Pala, S. C., Oktar, D., Demirtas, Z., Arslantas, D., & Unsal, A. (2021). Traditional school bullying and cyberbullying: Prevalence, the effect on mental health problems and self-harm behavior. Psychiatry research, 297, 113730.

Communiqué de presse « Kap Code & Nock Lab, un département de psychologie de l’université de Harvard développent des algorithmes pour identifier les pensées suicidaires sur les réseaux sociaux ».

 https://www.santementale.fr/2022/03/60191/

Droit et intelligence artificielle en psychiatrie Le cas de l’aide à la décision en prévention du risque suicidaire

 

Droit et intelligence artificielle en psychiatrie
Le cas de l’aide à la décision en prévention du risque suicidaire 

Laurène Mazeau and Sofian Berrouiguet

Laurène Mazeau est maître de conférences à l’Université de Bretagne occidentale et rattachée au laboratoire de recherche en Droit (Lab-Lex, EA 7480), depuis 2012. Depuis sa thèse de doctorat soutenue à l’Université de Toulouse 1 Capitole, elle développe une recherche ciblée sur la question de l’influence des sciences et technologies sur le droit. Elle est l’auteure de plus d’une vingtaine de publications dans le domaine des rapports qu’entretient le droit avec l’intelligence artificielle, l’aide à la décision, la recherche opérationnelle ou encore l’automatisme. Depuis 2014, elle est responsable de la chronique « Responsabilité » pour la revue Cahiers Droit Sciences & Technologies du Réseau Droit Sciences et Techniques (GDR CNRS 3178).

Sofian Berrouiguet est maître de conférences, praticien Hospitalier à l’Université de Bretagne occidentale, rattaché au Laboratoire LaTIM INSERM UMR 1101 et au CHRU de Brest. Psychiatre, docteur en informatique, il est spécialisé en déploiement de projets de prévention s’appuyant sur les technologies numériques et l’intelligence artificielle. Il est l’auteur de plus d’une vingtaine d’articles en prévention du suicide, informatique médicale et data science. Il coordonne le déploiement de vigilanS en région Bretagne. Il est coordonnateur médical de la Direction de l’Innovation du CHRU de Brest.

dans Éthique publique vol. 23, n° 2 | 2021 Online since 22 February 2022
La gouvernance algorithmique

Quelles régulations sectorielles par le droit et l’éthique observe-t-on?

Chaque année, plus de 800 000 personnes meurent par suicide dans le monde. Le développement d’outils de prévention apparaît comme un enjeu majeur de santé publique. Les processus d’intelligence artificielle (IA) pourraient fournir un support efficient à l’aide à la décision en prévention du suicide grâce à l’accès aux données cliniques et à l’interprétation des signaux de risque de passage à l’acte.

La législation en vigueur apporte un cadre général sur la protection des droits fondamentaux, celle des patients, ou la sécurité des produits. Toutefois, certaines spécificités de l’IA en compliquent l’application et le contrôle. Or, lorsque des innovations de ruptures revendiquent une partie de la décision médicale, elles convoquent une réflexion sur le plan du droit.

Dans un cadre interdisciplinaire, cet article envisage les enjeux juridiques qui accompagnent le déploiement de processus d’IA dans la prévention des risques suicidaires et formule quelques éléments de réponses.

Plan

L’approche traditionnelle de la décision médicale en prévention du risque suicidaire

Les contours de l’action médicale

Décision médicale et responsabilité

Le renouvellement de la décision médicale en prévention du risque suicidaire par les systèmes d’intelligence artificielle

Du « colloque singulier » à l’évaluation écologique instantanée

Les conséquences pratiques et juridiques de l’évaluation écologique instantanée

Propos conclusifs

 

Accès article & source https://journals.openedition.org/ethiquepublique/6571

La Corée du Sud se tourne vers l’IA pour réduire son taux de suicide

La Corée du Sud se tourne vers l’IA pour réduire son taux de suicide

Oliva 21 janvier 2022 https://www.lebigdata.fr*

Alors que le pays continue d’être confronté à un taux de suicide élevé, la Corée du Sud se tourne vers l’IA pour trouver une solution à ce problème.

A Séoul, capitale de la Corée du Sud, l’équipe 119 du service d’incendie et d’urgence a introduit il y a quelque temps déjà une technologie d’intelligence artificielle pour mieux surveiller l’activité humaine le long des ponts de la rivière Han.

Le but de cette opération : réduire le nombre de tentatives de suicide commises à partir de ces lieux. Pour de nombreux Coréens, ces ponts semblent encore l’endroit tout indiqué pour mettre fin à leur vie, en se jetant dans la fameuse rivière Han.
 
Grâce à la technique du deep learning (apprentissage profond), cette IA est en mesure d’analyser le comportement des piétons qui traversent ces célèbres ponts, identifiant ceux qui ont une conduite suspecte ou anormale. Et lorsque c’est le cas, par exemple si une personne s’attarde trop longtemps au même endroit, l’IA alerte l’équipe 119 et la police afin qu’elles soient dépêchées pour d’éventuelles opérations de sauvetage.

Selon l’un des responsables de l’équipe, le système d’IA, qui utilise par ailleurs de multiples caméras de surveillance de part et d’autre de ces ponts, a déjà sauvé de nombreuses vies.
Corée du Sud : L’IA a permis de sauver de nombreuses vies

Le taux de réussite des opérations de sauvetage s’est en effet amélioré, a-t-il dit, « car il est beaucoup plus facile de repérer des personnes flottant sur l’eau que de les rechercher après qu’elles aient été submergées ». La possibilité de recevoir des alertes rapides, grâce à l’IA, fait une différence significative et est la raison de ce succès.

La Corée du Sud est connue depuis longtemps pour son taux de suicide élevé. En 2020, le pays avait le taux de suicide le plus élevé parmi les 38 pays membres de l’Organisation de coopération et de développement économiques (OCDE).

Les données de l’OCDE montrent que la Corée du Sud comptait 23,5 personnes qui se sont suicidées pour 100 000 habitants cette année-là, soit plus du double de la moyenne des pays membres (10,9).

Le suicide était la principale cause de décès chez les Sud-Coréens d’âge adolescent à trentenaire en 2020. En particulier, le nombre de suicides chez les personnes dans la vingtaine a augmenté de 12,8 % par rapport à 2019.
Le système IA étendu à la surveillance de nouveaux ponts

Selon les experts, ce bond reflète un sentiment de solitude et d’anxiété omniprésent chez les jeunes Sud-Coréens à la suite de la pandémie de coronavirus. En rendant particulièrement pénible la recherche d’emploi en Corée, cette pandémie les a particulièrement éprouvés sur le plan psychologique.

Avant l’introduction du système d’IA, les opérations de sauvetage étaient généralement menées après avoir reçu des informations selon lesquelles une personne tentait de se jeter ou s’était jetée d’un pont. Dans de nombreux cas, les sauveteurs arrivaient trop tard pour les sauver.

Le système couvre actuellement neuf endroits stratégiques, là où la plupart des suicides ont eu lieu. Il devrait être étendu à quatre autres ponts à partir de cette année.

 https://www.lebigdata.fr/la-coree-du-sud-se-tourne-vers-lia-pour-reduire-son-taux-de-suicide

ETUDE RECHERCHE Intelligence artificielle et ingénierie numérique au service de la prévention du suicide

Intelligence artificielle et ingénierie numérique au service de la prévention du suicide 

Publié le 22.11.2021 www.imt-atlantique.fr/*

Chaque année, on recense en France près de 9.000 suicides. Une équipe d’IMT Atlantique, conduite par le professeur Philippe Lenca, en liaison étroite avec une équipe du CHRU de Brest, pilotée par le professeur Michel Walter, chef du pôle Psychiatrie, s’attache à mieux comprendre le phénomène et à tenter de l’endiguer, en utilisant les technologies de l'information et de la communication et l’intelligence artificielle, notamment la science des données et l’aide à la décision.

Mieux comprendre les causes du suicide, en détecter les signes avant-coureurs - et aider à le prévenir : tel est le sujet sur lequel travaille depuis six ans Philippe Lenca, responsable du département LUSSI (1) à IMT Atlantique et spécialiste de l’aide à la décision et de la science des données. Des travaux en phase avec l’actualité : un numéro national d’appel unique, le 3114, destiné aux personnes ayant des idées suicidaires ou leur entourage, a été lancé le 1er octobre dernier. Le CHRU de Brest est l'un des trois CHRU retenus pour assurer l'écoute 24h/24 7j/7.
« En moyenne, on dénombre chaque année en France près de 9.000 suicides et plus de 200.000 tentatives, souligne Philippe Lenca. Cela cause plus de morts que les accidents de la route. Et pourtant, on en parle peu… » Les initiatives et les travaux de recherche sont nombreux, tant afin de mieux identifier les tendances suicidaires ou les prémisses d’un passage à l’acte que pour assurer un suivi des personnes en souffrance ou qui ont déjà réalisé un premier geste.

Philippe Lenca, responsable du département LUSSI

Philippe Lenca travaille en liaison étroite depuis 2014 avec un médecin psychiatre du CHRU de Brest, Sofian Berrouiguet, adepte de l’utilisation des technologies de l’information en médecine, et qui a été un de ses doctorants. Leur objectif : parvenir à une meilleure compréhension des mécanismes qui conduisent au suicide, améliorer le suivi des suicidants, et mieux former les soignants. Certaines addictions, les troubles dépressifs ou l’isolement social sont, certes, des facteurs de risque bien identifiés, tout comme l’insomnie ou les troubles des conduites alimentaires. Mais d’autres facteurs sont encore peu ou mal appréhendés, comme les phénomènes de contagion, en particulier dans le milieu familial. Le rôle de l’alcool et des addictions plus généralement est sous-estimé par nombre de soignants. Par ailleurs, la récidive est fréquente : le risque est très fortement accru après un premier geste suicidaire. « Le suicide est un phénomène très complexe, multi-factoriel (psychologique, social, biologique, culturel et environnemental), observe le chercheur. Il reste beaucoup à découvrir. »

Vers des outils automatisés d’aide au diagnostic

Peu à peu, IMT Atlantique, avec quatre enseignants-chercheurs (2), et le CHRU de Brest, avec trois médecins psychiatres et une psychologue (3), ont constitué une équipe de taille significative - et désormais reconnue - sur ces questions. Des étudiants d' IMT Atantique et internes du CHRU contribuent aussi à ces travaux au travers de projets de fin d’études. Différents outils permettant de suivre à des périodes précises et écouter des personnes suicidantes ont été développés : ils collectent des données sur les patients, notamment sur leur cadre de vie. L’analyse de ces données  permet de mieux comprendre certains facteurs, afin de développer des outils d’aide au diagnostic. «Mais cela reposera toujours sur le médecin, précise Philippe Lenca. En aucun cas le système ne prendra la main. »
Une des pistes de travail consisterait par exemple à détecter les « fake news » ou l’utilisation de vocabulaire non adapté qui circulent sur les réseaux sociaux et pourraient conduire certains à des gestes suicidaires, afin d’alerter les sites web en amont sur les risques qu’ils suscitent.
Une première expérience a été conduite sur le port de montres connectées par des patients, afin d’assurer leur suivi notamment leur qualité de sommeil, hors consultation. De quoi améliorer la prévention. Mais se posent alors des questions de protection de la vie privée. « Pour ce premier essai, l’échantillon n’était pas assez important. Mais nous allons relancer ces recherches », indique Philippe Lenca.

La santé mentale, enjeu sociétal

Plus largement, l’équipe qui associe IMT Atlantique et le CHRU brestois, planche sur une série d’applications de l’intelligence artificielle et de la science des données à la santé mentale. Deux projets ont ainsi été lancés. Un doctorat est en cours sur la détection précoce de la schizophrénie à partir de l’analyse du langage de personnes à risque. Certains éléments du discours, même mineurs (pauses, interjections…), peuvent permettre de comprendre l’état psychique des patients. Des dispositifs d'analyse automatique de la langue peuvent ainsi fournir une aide au diagnostic. Second projet, un questionnaire en ligne destiné aux soignants, afin d’étudier leurs représentations sociales du suicide. Il s’agit dans ce cas d’améliorer leur formation, en les aidant à mieux identifier des facteurs de risque suicidaire.
Après avoir longtemps fait figure de parent pauvre de la médecine en France, la santé mentale a été érigée en priorité nationale lors du dernier « Ségur » de la santé. La crise sanitaire, avec ses périodes de confinement, a d’ailleurs replacé ce sujet au cœur des préoccupations. « Il s’agit d’un enjeu sociétal énorme. Et l’école dispose d’une bonne carte à jouer en la matière », assure Philippe Lenca. D’autant qu’ IMT Atlantique est déjà très présente sur les questions de santé. Elle vient ainsi, toujours en lien avec le CHRU de Brest, de lancer une formation de médecin-ingénieur.

(1) Philippe Lenca est responsable du département LUSSI (Logique des Usages, Sciences Sociales et de l’Information) de l’école et membre de l’équipe Decide de l’UMR 6285 Lab-STICC.
(2) Romain Billot, Annabelle Boutet, Yannis Haralambous et Philippe Lenca.
(3) Sofian Berrouiguet, Christophe Lemey, Michel Walter et Céline Kopp-Bigault.

8.980 suicides par an, en moyenne
Entre 2014 et 2017, quelque 8.980 suicides ont été officiellement recensés chaque année en France, en moyenne, selon l’Inserm (*). Les dernières données disponibles, celles de 2017, font état de 8.355 suicides. Il s’agissait de la seconde année, après 2016, où ce chiffre était inférieur à 9.000. Jusqu’en 2011, la barre des 10.000 suicides par an était régulièrement dépassée. Encore ces chiffres sont-ils considérés par beaucoup comme sous-estimés…
(*) https://www.cepidc.inserm.fr/

Plus d'info

Blog d'actualité en prévention du suicide

Groupement d'Etude et de Prévention du suicide  

Publié le 22.11.2021

par Fabienne MILLET-DEHILLERIN

https://www.imt-atlantique.fr/fr/actualites/intelligence-artificielle-prevention-suicide

ETUDE RECHERCHE Prevention of Suicidal Relapses in Adolescents With a Smartphone Application: Bayesian Network Analysis of a Preclinical Trial Using In Silico Patient Simulations

Prevention of Suicidal Relapses in Adolescents With a Smartphone Application: Bayesian Network Analysis of a Preclinical Trial Using In Silico Patient Simulations
Stephane Mouchabac ^{1, 2} Philippe Leray ³ Vladimir Adrien ^{1, 2} Fanny Gollier-Briant ⁴ Olivier Bonnot ^{4, 5}
1 Service de psychiatrie adulte [CHU Saint-Antoine]
2 ICM - Institut du Cerveau et de la Moëlle Epinière = Brain and Spine Institute
3 LS2N - Laboratoire des Sciences du Numérique de Nantes
4 CHU Nantes - Centre hospitalier universitaire de Nantes
5 LPPL - Laboratoire de Psychologie des Pays de la Loire

Abstract : Background: Recently, artificial intelligence technologies and machine learning methods have offered attractive prospects to design and manage crisis response processes, especially in suicide crisis management. In other domains, most algorithms are based on big data to help diagnose and suggest rational treatment options in medicine. But data in psychiatry are related to behavior and clinical evaluation. They are more heterogeneous, less objective, and incomplete compared to other fields of medicine. Consequently, the use of psychiatric clinical data may lead to less accurate and sometimes impossible-to-build algorithms and provide inefficient digital tools. In this case, the Bayesian network (BN) might be helpful and accurate when constructed from expert knowledge. Medical Companion is a government-funded smartphone application based on repeated questions posed to the subject and algorithm-matched advice to prevent relapse of suicide attempts within several months. Objective: Our paper aims to present our development of a BN algorithm as a medical device in accordance with the American Psychiatric Association digital healthcare guidelines and to provide results from a preclinical phase. Methods: The experts are psychiatrists working in university hospitals who are experienced and trained in managing suicidal crises. As recommended when building a BN, we divided the process into 2 tasks. Task 1 is structure determination, representing the qualitative part of the BN. The factors were chosen for their known and demonstrated link with suicidal risk in the literature (clinical, behavioral, and psychometrics) and therapeutic accuracy (advice). Task 2 is parameter elicitation, with the conditional probabilities corresponding to the quantitative part. The 4-step simulation (use case) process allowed us to ensure that the advice was adapted to the clinical states of patients and the context. Results: For task 1, in this formative part, we defined clinical questions related to the mental state of the patients, and we proposed specific factors related to the questions. Subsequently, we suggested specific advice related to the patient’s state. We obtained a structure for the BN with a graphical representation of causal relations between variables. For task 2, several runs of simulations confirmed the a priori model of experts regarding mental state, refining the precision of our model. Moreover, we noticed that the advice had the same distribution as the previous state and was clinically relevant. After 2 rounds of simulation, the experts found the exact match. Conclusions: BN is an efficient methodology to build an algorithm for a digital assistant dedicated to suicidal crisis management. Digital psychiatry is an emerging field, but it needs validation and testing before being used with patients. Similar to psychotropics, any medical device requires a phase II (preclinical) trial. With this method, we propose another step to respond to the American Psychiatric Association guidelines. 

Accès étude https://hal.sorbonne-universite.fr/hal-03369481/document

 

https://hal.sorbonne-universite.fr/hal-03369481

USA ETUDE RECHERCHE Peut-on prévenir le suicide chez les jeunes en analysant leur comportement en ligne ?

Peut-on prévenir le suicide chez les jeunes en analysant leur comportement en ligne ?

Enquête : Cette étude intervient quelques jours après qu'une enquête a révélé que Facebook comprend l'impact négatif d'Instagram sur les jeunes, sans rien faire pour l'arrêter.

Par Jonathan Greig | Samedi 25 Septembre 2021  https://www.zdnet.fr*
Aux Etats-Unis, le Centre national de prévention et de contrôle des blessures et la société de sécurité en ligne Bark Technologies viennent de publier une étude menée conjointement, qui démontre que certains comportements en ligne des jeunes, qu'il s'agisse de harcèlement, de violence, de contenus liés à la drogue, de discours haineux, de contenus sexuels, liés à la dépression ou encore à l'automutilation légère, pourraient être utilisés pour prévenir les risques de suicide ou d'automutilation.

L'étude, publiée dans JAMA Network Open, consistait à examiner pendant 13 mois les activités en ligne de collégiens et de lycéens, sur des appareils fournis par les établissements scolaires, et de comparer les sujets ayant reçu ensuite une alerte pour un risque élevé de suicide ou de comportement autodestructeurs, à ceux qui n'ont pas reçu d'alerte.

Les chercheurs ont comparé les comportements en ligne des deux groupes, et ont constaté que les élèves ayant fait l'objet d'une alerte présentaient un nombre significativement plus élevé d'incidents en ligne antérieurs, ou de comportement en ligne à risque, signalés par Bark. Les huit facteurs de risque en ligne étudiés ont été associés à des alertes relatives au suicide.

Plus les signes sont détectés tôt, plus il est possible que l'individu obtienne l'aide nécessaire

L'auteur principal, le Dr Steven Sumner, des CDC (Centres pour le contrôle et la prévention des maladies aux Etats-Unis), indique que les taux de suicide et de comportements autodestructeurs ont augmenté chez les jeunes aux Etats-Unis au cours de la dernière décennie. « Il est important d'être attentif aux nouveaux facteurs de risque en ligne auxquels les jeunes sont confrontés aujourd'hui, et que nous les comprenions vraiment, afin de renforcer nos efforts de prévention », affirme-t-il.

Brian Bason, PDG de Bark, ajoute que plus les facteurs de risque et les signes de détresse sont détectés tôt, plus le jeune individu peut obtenir rapidement l'aide dont il a besoin.

« Si l'on considère le nombre total de différents types de facteurs de risque en ligne parmi les huit mesurés, on constate un risque exponentiellement plus élevé d'alertes relatives au suicide ou à l'automutilation ; les jeunes dont l'activité en ligne comportait au moins cinq des huit facteurs de risque avaient une probabilité plus de 70 fois supérieure de recevoir ultérieurement une alerte de suicide ou d'automutilation », indiquent les chercheurs. « Les résultats de cette étude suggèrent que de nombreux types de facteurs de risque sont identifiables à partir de données en ligne, et associés avec un risque conséquent de comportement suicidaire. Si chaque facteur de risque correspond spécifiquement à un comportement suicidaire, le plus grand risque est bien sûr pour les jeunes présentant plusieurs types de facteurs de risque. »

Les réseaux sociaux ne se préoccupent pas assez de la sécurité de leurs jeunes utilisateurs

Titania Jordan, CMO de Bark, explique à ZDNet qu'il est extrêmement important de comprendre la façon dont les jeunes communiquent en ligne, en particulier pour leurs parents. Dans leurs interactions en ligne, les enfants dissimulent beaucoup de leurs peurs et de leur pensées, et elle estime que les parents et autres éducateurs ont besoin d'outils pour les aider à identifier des facteurs de risque et des signes de détresse, afin qu'ils puissent apporter leur aide quand elle est nécessaire.

Les réseaux sociaux ont fait l'objet de vives critiques ces dernières années, en raison de l'augmentation croissante du nombre de suicides et de dépressions chez les jeunes. La semaine dernière, The Wall Street Journal publiait à ce sujet une série de fichiers internes de Facebook, montrant que des chercheurs au sein d'Instagram ont constaté que l'application est « nocive » et « toxique » pour certains jeunes utilisateurs, et en particulier pour les adolescentes. « En réponse, Facebook affirme que les effets négatifs ne sont pas répandus, que la recherche sur la santé mentale est précieuse et que certains des aspects nocifs ne sont pas faciles à traiter », rapportait le journal.

Pour la CMO de Bark, même si l'étude menée avec le Centre national de prévention et de contrôle des blessures s'est penchée spécifiquement sur des appareils et des comptes scolaires, il apparaît plus clairement que jamais que « les plateformes de médias sociaux ne considèrent pas assez la sécurité des enfants comme une priorité. Souvent, les mesures annoncées pour résoudre les problèmes de la plateforme ne donnent qu'une illusion de sécurité. Le "contrôle parental" intégré est généralement facile à désactiver par les enfants à tout moment, sans l'accord de leurs parents. Il est facile pour des enfants férus de technologie d'échapper à la surveillance de parents qui ne le sont pas ».

« Les grandes entreprises technologiques doivent s'associer aux parents pour leur donner un meilleur aperçu de l'univers en ligne de leurs enfants. La sécurité des enfants en ligne est en fin de compte une responsabilité qui incombe aux parents, mais il est incroyablement difficile de naviguer sur le vaste marché des plateformes, où les enfants rencontrent des situations dangereuses sans que les bons outils de surveillance soient mis en place. »


Les effets de la technologie sur notre santé mentale

Titania Jordan ajoute qu'il existe des moyens pour les parents de surveiller les signes d'alerte sans envahir totalement la vie privée de leurs enfants. Cette étude confirme que les comportements en ligne peuvent prévenir des comportements futurs graves, liés au suicide ou à des comportements autodestructeurs.

Elle ajoute que, de manière plus générale, la santé mentale de presque toutes les catégories démographiques s'est détériorée au cours de la pandémie de Covid-19. Depuis janvier-mars 2021, la plateforme Bark a enregistré une augmentation de 143 % des alertes pour automutilation et idées suicidaires chez les jeunes de 12 à 18 ans.

Si les problèmes de santé mentale sont plus acceptés et mieux compris depuis quelques générations, l'influence des nouvelles technologies a eu des effets mitigés sur cette tendance. « Même si on accuse la technologie d'être la seule cause de ces problèmes, il n'est pas réaliste pour un parent d'interdire complètement à son enfant d'aller en ligne – nous vivons dans un monde connecté. Il faut plutôt leur donner des ressources pour qu'ils puissent avoir des conversations avec leurs enfants lorsqu'ils commencent à utiliser internet et à avoir un appareil connecté », explique-t-elle. « Tous les parents savent que lorsqu'un adolescent dit "Je vais bien", il y a de fortes chances qu'il ne dise pas tout. »

Source : ZDNet.com
https://www.zdnet.fr/actualites/peut-on-prevenir-le-suicide-chez-les-jeunes-en-analysant-leur-comportement-en-ligne-39929563.htm

 

ETUDE RECHERCHE A machine learning approach for predicting suicidal thoughts and behaviours among college students

A machine learning approach for predicting suicidal thoughts and behaviours among college students
Melissa Macalli 1 Marie Navarro 1 Massimiliano Orri 1 Marie Tournier 1 Rodolphe Thiebaut 1 Sylvana M. Cote 1 Christophe Tzourio 1

1 BPH - Bordeaux population health

Abstract : Suicidal thoughts and behaviours are prevalent among college students. Yet little is known about screening tools to identify students at higher risk. We aimed to develop a risk algorithm to identify the main predictors of suicidal thoughts and behaviours among college students within one-year of baseline assessment. We used data collected in 2013-2019 from the French i-Share cohort, a longitudinal population-based study including 5066 volunteer students. To predict suicidal thoughts and behaviours at follow-up, we used random forests models with 70 potential predictors measured at baseline, including sociodemographic and familial characteristics, mental health and substance use. Model performance was measured using the area under the receiver operating curve (AUC), sensitivity, and positive predictive value. At follow-up, 17.4% of girls and 16.8% of boys reported suicidal thoughts and behaviours. The models achieved good predictive performance: AUC, 0.8; sensitivity, 79% for girls, 81% for boys; and positive predictive value, 40% for girls and 36% for boys. Among the 70 potential predictors, four showed the highest predictive power: 12-month suicidal thoughts, trait anxiety, depression symptoms, and self-esteem. We identified a parsimonious set of mental health indicators that accurately predicted one-year suicidal thoughts and behaviours in a community sample of college students.
Sciences du Vivant [q-bio] / Médecine humaine et pathologie / Psychiatrie et santé mentale
Sciences du Vivant [q-bio] / Santé publique et épidémiologie
Informatique [cs] / Apprentissage [cs.LG]
Soumis le : vendredi 20 août 2021 - 11:16:06
Dernière modification le : samedi 21 août 2021 - 03:28:01

Fichier



BPH_SR_2021_Macalli.pdf
Fichiers éditeurs autorisés sur une archive ouverte
Source https://hal.archives-ouvertes.fr/hal-03323054

ETUDE RECHERCHE Prédire les comportements suicidaires chez les étudiants grâce à l’intelligence artificielle

Prédire les comportements suicidaires chez les étudiants grâce à l’intelligence artificielle

Communiqué | 15 juin 2021 - 11h00 | Par INSERM (Salle de presse)
Santé publique

Alors même que le nombre d’étudiants vulnérables augmente sous l’effet de la crise sanitaire, détecter les individus en grande détresse et à risque suicidaire est essentiel pour permettre d’intervenir le plus précocement possible.

Comment prédire le risque suicidaire chez les étudiants ? C’est une question d’actualité, alors que les effets délétères de la crise sanitaire sur la santé mentale des étudiants sont de plus en plus visibles, et que l’on connait l’importance d’une détection et d’une prise en charge précoce de ce risque. Une équipe de chercheurs de l’Inserm et de l’Université de Bordeaux, en collaboration avec les universités de Montréal et McGill au Québec, ont identifié, grâce à l’intelligence artificielle, un ensemble restreint d’indicateurs de santé mentale qui prédisent avec précision les comportements suicidaires des étudiants. Les résultats sont publiés dans la revue Scientific Reports.

Le suicide est la deuxième cause de mortalité chez les 15-24 ans et les étudiants sont particulièrement exposés au risque de comportements suicidaires. Plusieurs facteurs connus peuvent contribuer à l’augmentation des risques chez cette population : le passage du lycée à l’université, l’augmentation de la charge de travail, l’augmentation du stress psychosocial et des pressions scolaires, et l’adaptation à un nouvel environnement. Ces risques ont par ailleurs été exacerbés par la situation de crise sanitaire liée à la pandémie de Covid-19.

Une détection précoce des comportements suicidaires (les pensées suicidaires et les tentatives de suicide) est primordiale afin de permettre l’accès à une prise en charge adéquate. Grâce à une méthode d’apprentissage automatique[1], ou « machine learning method » en anglais, les chercheurs de l’Inserm et de l’Université de Bordeaux ont développé un algorithme permettant d’identifier de façon précise les principaux facteurs prédictifs des comportements suicidaires parmi une population étudiante.

Suivi sur un an de plus de 5 000 étudiants français

Les résultats de cette étude portent sur l’analyse de données recueillies auprès de 5 066 étudiants qui ont été suivis sur une période supérieure ou égale à un an, entre 2013 et 2019. Tous appartiennent à la cohorte i-Share qui porte sur la santé des étudiants, dirigée par Christophe Tzourio, professeur d’épidémiologie à l’université de Bordeaux, praticien au CHU de Bordeaux et directeur du centre de recherche Bordeaux Population Health.   

Les participants sont âgés de plus de 18 ans, francophones et inscrits dans une université française. Ils ont rempli deux questionnaires en ligne détaillés : un au moment de leur inscription, l’autre un an plus tard. Les informations recueillies par ce biais renseignent les chercheurs à la fois sur la santé des participants, leurs consommations de drogue et d’alcool, leurs antécédents médicaux et psychiatriques ainsi que sur leur état psychique.

Ce suivi a révélé qu’environ 17% des étudiants participants, filles (17,4%) comme garçons (16,8%), ont présenté des comportements suicidaires au cours de l’année qui s’est écoulée entre les deux questionnaires.

Avant d’initier le travail de modélisation s’appuyant sur l’intelligence artificielle, les chercheurs ont d’abord identifié 70 facteurs prédictifs potentiels, recueillis dans le questionnaire d’inclusion, ayant une influence sur les comportements suicidaires selon les données de la littérature scientifique. Il s’agit notamment des données sociodémographiques, de certains paramètres de santé physique et mentale, des antécédents personnels et familiaux de comportements suicidaires, des conditions et habitudes de vie, de la consommation de substances et des traumatismes liés à l’enfance.

La méthode d’apprentissage automatique, qui consiste à analyser simultanément de nombreux facteurs associés au risque suicidaire, a ensuite permis de dresser un classement de ces 70 facteurs prédictifs potentiels, selon leur importance dans la prédiction des comportements suicidaires des étudiants.

Les résultats de l’étude révèlent que parmi ces 70 prédicteurs potentiels mesurés à l’inclusion, quatre permettent de détecter environ 80% des comportements suicidaires lors du suivi. Il s’agit des pensées suicidaires, de l’anxiété, des symptômes de dépression et de l’estime de soi.

Pour les chercheurs, ces résultats suggèrent que des échelles psychologiques validées et couramment utilisées comme l’échelle de Rosenberg qui mesure l’estime de soi, l’échelle STAI-YB de Spielberger pour l’anxiété et la PHQ-9 pour la dépression, seraient suffisamment informatives pour identifier les étudiants susceptibles de présenter des comportements suicidaires.

« Ces travaux demandent confirmation mais ils ouvrent la possibilité de dépistage à grande échelle en identifiant, grâce à des questionnaires courts et simples, les étudiants à risque de suicide pour les orienter vers une prise en charge adéquate », explique Christophe Tzourio, coordinateur de l’étude.

L’estime de soi : un marqueur important et jusqu’alors méconnu

Dans des analyses secondaires effectuées sur un sous-échantillon incluant uniquement les participants qui ne présentaient pas de comportements suicidaires à leur entrée dans la cohorte, soit 3946 étudiants, les principales variables prédictives qui se sont démarquées dans l’analyse statistique étaient les symptômes dépressifs, l’estime de soi et le stress académique chez les filles et majoritairement l’estime de soi chez les garçons. L’estime de soi représenterait donc un marqueur prédictif indépendant et important du risque suicidaire.

« Les spécialistes de santé mentale dans nos équipes ne s’attendaient pas à ce que l’estime de soi fasse partie des quatre facteurs prédictifs majeurs des comportements suicidaires », souligne Mélissa Macalli, doctorante en épidémiologie et auteure de l’étude. « Ce résultat, qui n’aurait pas été obtenu sans l’utilisation de techniques d’intelligence artificielle, qui ont permis de croiser un grand nombre de données de façon simultanée, ouvre des nouvelles perspectives aussi bien de recherche que de prévention », conclut-elle.

L’impact de l’épidémie de COVID-19 chez les étudiants

L’épidémie de COVID-19 a eu un impact considérable sur la santé mentale des étudiants, une population déjà connue pour ses hauts niveaux de stress, d’anxiété, de symptômes dépressifs et de conduites suicidaires. Les causes ont été identifiées : l’isolement social, en lien avec la fermeture des universités, l’effondrement des ressources financières avec la disparition des jobs étudiants, les inquiétudes sur le déroulement des études et les perspectives d’avenir. L’étude CONFINS (www.confins.org, équipe i-Share et Kappa Santé) lancée en Avril 2020 pour mesurer l’impact de l’épidémie sur le bien-être et la santé mentale, a montré que 33% des étudiants présentaient des symptômes dépressifs contre 16% chez les non étudiants. Alors même que le nombre d’étudiants vulnérables augmente sous l’effet de la crise sanitaire, détecter les individus en grande détresse et à risque suicidaire est essentiel pour permettre d’intervenir le plus précocement possible.

[1]L’apprentissage automatique, également appelé apprentissage machine ou apprentissage artificiel et en anglais machine learning, est une forme d’intelligence artificielle (IA) qui permet à un système d’apprendre à partir des données et non à l’aide d’une programmation explicite.

POUR CITER CET ARTICLE :

Communiqué – Salle de Presse Inserm Comment prédire le risque suicidaire chez les étudiants grâce à l’intelligence artificielle ? Lien : https://presse.inserm.fr/predire-les-comportements-suicidaires-chez-les-etudiants-grace-a-lintelligence-artificielle/43085/

 

***

 

Articles sur le sujet

Identification de quatre facteurs prédictifs du risque suicidaire chez les étudiants

Publié le mercredi 16 juin 2021

• 
  
• 
  
• 
  
• 
  

PARIS, WASHINGTON, 15 juin 2021 (APMnews) - Une équipe de chercheurs français et canadiens a identifié, grâce à l'intelligence artificielle, quatre facteurs prédictifs du risque suicidaire chez les étudiants, selon des résultats publiés par Scientific Reports, a annoncé l'Inserm dans un communiqué.

"C'est une question d'actualité alors que les effets délétères de la crise sanitaire sur la santé mentale des étudiants sont de plus en plus visibles et que l'on connaît l'importance d'une détection et d'une prise en charge précoce de ce risque", note l'organisme de recherche.

Dans cette étude, Melissa Macalli et Marie Navarro du centre de recherche Bordeaux Population Health (Inserm/université de Bordeaux) et leurs collègues ont développé un algorithme utilisant une méthode d'apprentissage automatique (machine learning) afin d'identifier les principaux facteurs prédictifs des comportements suicidaires chez les étudiants et l'ont appliqué à la cohorte i-Share.

Coordonnée par l'université de Bordeaux, cette cohorte a pour ambition de suivre sur plusieurs années l'état de santé de plus de 20.000 étudiants inclus dans différentes universités. De précédents résultats ont déjà montré qu'environ un quart de cette population présentait un risque suicidaire de manière générale  et que la pandémie de Covid-19 et en particulier le confinement avaient dégradé leur santé mentale.

Cette fois, les chercheurs ont analysé les données recueillies auprès de 5.066 étudiants (20,7 ans en moyenne, 79,1% de filles et 20,9% de garçons) qui ont été suivis sur une période supérieure ou égale à un an, entre 2013 et 2019. Ils ont rempli deux questionnaires en ligne détaillés, l'un au moment de leur inscription et l'autre un an plus tard, sur leur état de santé physique et mentale, leurs antécédents médicaux et psychiatriques, ainsi que leurs consommations d'alcool et d'autres substances psychoactives.

Il apparaît tout d'abord qu'environ 17% des étudiants, filles (17,3%) comme garçons (17,1%), ont présenté des pensées et/ou des comportements suicidaires au cours de l'année écoulée entre les deux questionnaires. Parmi les 874 étudiants déclarant des pensées et/ou comportements suicidaires, 14,6% en particulier ont rapporté avoir déjà fait une tentative de suicide au cours de leur vie.

Les chercheurs ont d'abord identifié, selon les données de la littérature scientifique, 70 facteurs ayant une influence potentielle sur les pensées et/ou des comportements suicidaires, à la fois des données sociodémographiques, des paramètres de santé physique et mentale, des antécédents personnels et familiaux de comportements suicidaires, des conditions et habitudes de vie, des usages de substances, des traumatismes liés à l'enfance.

L'algorithme a analysé simultanément l'ensemble de ces facteurs pour ensuite les classer selon leur force à prédire les comportements suicidaires. Les résultats indiquent que quatre seulement permettent de détecter environ 80% des pensées et/ou comportements suicidaires dans l'année qui vient: les pensées suicidaires, l'anxiété, des symptômes de dépression et l'estime de soi.

Des échelles psychologiques validées et couramment utilisées comme l'échelle de Rosenberg qui mesure l'estime de soi, l'échelle STAI-YB de Spielberger pour l'anxiété et la PHQ-9 pour la dépression, seraient suffisamment informatives pour identifier les étudiants susceptibles de présenter des pensées et/ou comportements suicidaires, estiment les chercheurs.

Des analyses secondaires montrent par ailleurs que chez les étudiants ne présentant pas de pensées et/ou de comportement suicidaire à leur entrée dans la cohorte, l'estime de soi en particulier était retrouvée comme un marqueur prédictif indépendant et important du risque suicidaire à la fois chez les filles et les garçons, un résultat qui a surpris les chercheurs.

"Ce résultat, qui n'aurait pas été obtenu sans l'intelligence artificielle, […], ouvre des nouvelles perspectives aussi bien de recherche que de prévention", commente Mélissa Macalli, citée dans le communiqué de l'Inserm.

"Ces travaux demandent confirmation mais ils ouvrent la possibilité de dépistage à grande échelle en identifiant, grâce à des questionnaires courts et simples, les étudiants à risque de suicide pour les orienter vers une prise en charge adéquate", ajoute le Pr Christophe Tzourio, directeur de Bordeaux Population Health et coordinateur de l'étude.
https://www.encephale.com/Actualites/Breves/2021/Identification-de-quatre-facteurs-predictifs-du-risque-suicidaire-chez-les-etudiants