Suche
Mein Konto
Les algorithmes sont aussi efficaces que les examinateurs humains pour identifier les signes de problèmes de santé mentale dans les textes
Les chercheurs de l'UW Medicine ont découvert que les algorithmes sont aussi efficaces que les évaluateurs humains qualifiés pour identifier les signes avant-coureurs dans les messages texte provenant de personnes atteintes de maladies mentales graves. Cela ouvre un domaine d’étude prometteur qui pourrait contribuer à remédier aux pénuries de formation et de soins en santé mentale. Les résultats ont été publiés dans la revue Psychiatric Services fin septembre. La messagerie texte fait de plus en plus partie des soins et de l'évaluation de la santé mentale, mais ces interventions psychiatriques à distance peuvent manquer des points de référence émotionnels que les thérapeutes utilisent pour guider les conversations en face à face avec les patients. L'équipe de recherche, basée au Département de psychiatrie et des sciences du comportement, a utilisé pour la première fois le traitement du langage naturel pour...
Les algorithmes sont aussi efficaces que les examinateurs humains pour identifier les signes de problèmes de santé mentale dans les textes
Les chercheurs de l'UW Medicine ont découvert que les algorithmes sont aussi efficaces que les évaluateurs humains qualifiés pour identifier les signes avant-coureurs dans les messages texte provenant de personnes atteintes de maladies mentales graves. Cela ouvre un domaine d’étude prometteur qui pourrait contribuer à remédier aux pénuries de formation et de soins en santé mentale.
Les résultats ont été publiés dans la revue Psychiatric Services fin septembre.
La messagerie texte fait de plus en plus partie des soins et de l'évaluation de la santé mentale, mais ces interventions psychiatriques à distance peuvent manquer des points de référence émotionnels que les thérapeutes utilisent pour guider les conversations en face à face avec les patients.
L'équipe de recherche, basée au Département de psychiatrie et des sciences du comportement, a utilisé pour la première fois le traitement du langage naturel pour détecter et identifier les messages texte reflétant des « biais cognitifs » qui pourraient manquer à un clinicien sous-formé ou surmené. La recherche pourrait également, à terme, aider davantage de patients à accéder à des soins médicaux.
Lorsque nous rencontrons des gens en personne, nous sommes confrontés à tous ces contextes différents. Nous avons des indices visuels, des indices auditifs, des choses qui ne sont pas exprimées dans un message texte. Ce sont des choses sur lesquelles nous devrions nous appuyer. L’espoir ici est que la technologie puisse fournir aux médecins un outil supplémentaire pour élargir les informations sur lesquelles ils s’appuient pour prendre des décisions cliniques.
Justin Tauscher, auteur principal de l'article et professeur adjoint actuel à la faculté de médecine de l'Université de Washington
L'étude a examiné des milliers de messages texte uniques et non sollicités entre 39 personnes atteintes d'une maladie mentale grave et ayant des antécédents d'hospitalisation et leurs prestataires de soins de santé mentale. Les évaluateurs humains ont évalué les textes pour détecter divers biais cognitifs, comme ils le feraient normalement dans le contexte des soins aux patients. Les évaluateurs recherchent un langage subtil ou manifeste qui suggère que le patient généralise de manière excessive, catastrophise ou tire des conclusions hâtives, ce qui peut tous être des indicateurs de problèmes.
Les chercheurs ont également programmé des ordinateurs pour effectuer la même tâche d’évaluation de texte et ont constaté que les humains et l’IA obtenaient des notes similaires dans la plupart des catégories étudiées.
« La capacité de disposer de systèmes capables de soutenir la prise de décision clinique est, je pense, extrêmement pertinente et potentiellement impactante pour ceux qui travaillent sur le terrain qui parfois n'ont pas accès à la formation, parfois n'ont pas accès à une supervision, ou parfois sont simplement fatigués, surmenés et épuisés. «J'ai du mal à rester présent avec toutes les interactions qu'ils ont», a déclaré Tauscher, qui s'est lancé dans la recherche après une décennie en milieu clinique.
Aider les médecins constituerait un avantage immédiat, mais les chercheurs envisagent également de futures applications fonctionnant parallèlement à un bracelet de fitness portable ou à un système de surveillance par téléphone. Dror Ben-Zeev, directeur du centre de recherche comportementale en technologie et ingénierie de l'UW et co-auteur de l'article, a déclaré que la technologie pourrait éventuellement fournir un retour d'information en temps réel qui alerterait un thérapeute de problèmes imminents.
"De la même manière que vous obtenez les niveaux d'oxygène dans le sang, la fréquence cardiaque et d'autres informations", a déclaré Ben-Zeev, "nous pouvons obtenir une note indiquant que le patient tire des conclusions hâtives et agit de manière catastrophique. Juste la capacité de le faire." "La prise de conscience d'un modèle de pensée est quelque chose que nous envisageons dans le futur. Les gens auront ces boucles de rétroaction avec leur technologie grâce auxquelles ils apprendront mieux sur eux-mêmes."
Ce travail a été soutenu par le Garvey Institute for Brain Health Solutions de la faculté de médecine de l'Université de Washington, le National Institute of Mental Health (R56-MH-109554) et la National Library of Medicine (T15-LM-007442).
Source:
Référence:
Tauscher, J.S. et coll. (2022) Détection automatisée des biais cognitifs dans les échanges de textes entre médecins et personnes atteintes de maladies mentales graves. Services psychiatriques. est ce que je.org/10.1176/appi.ps.202100692.
.