Actualité Une équipe de recherche exploite le machine learning pour déterminer les indicateurs...

Pour approfondir le sujet

Automatisation robotisée des processus et machine learning : le pari des hôtels pour relancer le tourisme

UiPath, une entreprise spécialisée dans l'automatisation robotisée de processus, a exploité sa technologie pour développer plusieurs processus d'automatisation au service de l'industrie du tourisme....

Atos et Graphcore annoncent leur partenariat pour concevoir des solutions de calcul haute performance

D'un côté, Atos, un spécialiste français de la transformation numérique, qui a présenté en début de mois sa nouvelle plateforme de computer vision, mais...

DeepMind et EMBL : une avancée majeure dans l’analyse du protéome humain grâce à l’intelligence artificielle

DeepMind, société technologique et filiale de Google, a annoncé sa collaboration avec le laboratoire européen de biologique moléculaire (EMBL) dans l'objectif de proposer une...

Grâce au deep learning, une application pourrait aider à diagnostiquer le VIH plus facilement

Une équipe de recherche composée d'experts de l'Africa Health Research Institute (AHRI) et de l'University College de Londres (UCL) a exploité l'intelligence artificielle pour...

Une équipe de recherche exploite le machine learning pour déterminer les indicateurs du risque suicidaire

Chez les 15-24 ans et chez les étudiants, le suicide est la seconde cause de mortalité. En partant de ce constat, une équipe de recherche de l’INSERM et de l’Université de Bordeaux a exploité l’IA pour essayer de comprendre ce phénomène. Ainsi, ces chercheurs ont identifié quatre indicateurs qui prédisent avec précision le risque suicidaire chez les jeunes et les étudiants. Cette étude a été réalisée en collaboration avec l’Université de Montréal et l’Université McGill.

Plus de 5 000 étudiants questionnés afin de prédire les risques de suicide

“Comment prédire le risque suicidaire chez les étudiants ?” : c’est la problématique prise en compte par l’équipe de chercheurs de l’INSERM et de l’Université de Bordeaux, en collaboration avec l’Université de Montréal et l’Université McGill, qui ont identifié grâce à l’IA, un ensemble restreint d’indicateurs de santé mentale permettant de prédire avec précisions les comportements suicidaires des étudiants et des jeunes.

Christophe Tzourio, coordinateur de l’étude, explicite tout l’intérêt de ces recherches :

“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.”

Les résultats de leur étude ont fait l’objet d’une publication scientifique rédigée par Mélissa Macalli, Marie Navarro, Massimiliano Orri, Marie Tournier, Rodolphe Thiébaut, Sylvana M. Côté et Christophe Tzourio. Entre 2013 et 2019, 5 066 étudiants français ont été questionnés pour trouver ces quatre indicateurs sur une durée supérieure ou égale à un an.

Ces étudiants étaient âgés de plus de dix-huit ans, francophones et inscrits dans une université française. Ils ont dû remplir deux questionnaires en lignes détaillés. Le premier, au moment de leur inscription, et le second, au moins un an plus tard. Informations sur la santé des participants, consommations de drogue et d’alcool, antécédents médicaux et psychiatriques, état psychique, etc. De nombreuses données ont pu être récupérées par ce biais.

Grâce à ce suivi, les chercheurs ont pu remarquer que 17,1 % des étudiants participants (17,4 % chez les filles et 16,8 % chez les garçons) présentaient des comportements suicidaires au cours de l’année qui s’est écoulée entre les deux questionnaires.

Une méthode de machine learning pour classer les facteurs prédictifs de risque suicidaire

Grâce aux questionnaires, les chercheurs ont identifié 70 facteurs prédictifs potentiels, qui pourraient avoir une influence sur les comportements suicidaires. On retrouve 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.

L’équipe de recherche a mis en place une méthode de machine learning qui consiste à analyser simultanément plusieurs facteurs associés au risque suicidaire. De cette analyse, un classement de ces 70 facteurs a été dressé, selon leur importance dans la prédiction des comportements suicidaires des étudiants.

Les résultats de l’étude montrent que parmi les 70 prédicteurs potentiels mesurés, quatre d’entre eux permettent de détecter environ 80 % des comportements suicidaires, ce sont :

  • Les pensées suicidaires,
  • L’anxiété,
  • Les symptômes de dépression,
  • L’estime de soi.

Grâce à ces résultats, 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, tendent à être des échelles psychologiques valides et suffisamment informatives pour identifier les étudiants susceptibles de présenter des comportements suicidaires. L’estime de soi est le marqueur le plus atypique des quatre identifiés par les chercheurs, c’est ce que souligne Mélissa Macalli, doctorante en épidémiologie et auteure principale de l’étude :

“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. 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 de nouvelles perspectives aussi bien de recherche que de prévention.”

Zacharie Tazrout

Partager l'article

Automatisation robotisée des processus et machine learning : le pari des hôtels pour relancer le tourisme

UiPath, une entreprise spécialisée dans l'automatisation robotisée de processus, a exploité sa technologie pour développer plusieurs processus d'automatisation au service de l'industrie du tourisme....

Atos et Graphcore annoncent leur partenariat pour concevoir des solutions de calcul haute performance

D'un côté, Atos, un spécialiste français de la transformation numérique, qui a présenté en début de mois sa nouvelle plateforme de computer vision, mais...

DeepMind et EMBL : une avancée majeure dans l’analyse du protéome humain grâce à l’intelligence artificielle

DeepMind, société technologique et filiale de Google, a annoncé sa collaboration avec le laboratoire européen de biologique moléculaire (EMBL) dans l'objectif de proposer une...

Grâce au deep learning, une application pourrait aider à diagnostiquer le VIH plus facilement

Une équipe de recherche composée d'experts de l'Africa Health Research Institute (AHRI) et de l'University College de Londres (UCL) a exploité l'intelligence artificielle pour...