Présentée dans Scientific Reports, cette technologie est fondée sur l'analyse de texte automatique du contenu des réseaux sociaux.
(Communiqué du porte-parole du Technion)
Chaque année, environ un million de personnes décèdent par suicide dans le monde, dont environ 500 en Israël. Bien qu'il ne constitue pas une cause majeure de décès dans la population générale, il est la première cause de décès chez les jeunes de moins de 24 ans.
L'aide sociale, psychologique et psychiatrique est un outil efficace pour empêcher les suicides, mais elle n'est mise en œuvre que dans les cas où le problème a été diagnostiqué et la personne déjà sous traitement. Il est, par conséquent, important de savoir reconnaître les tendances suicidaires dans la population générale. Il s'agit d'un défi extrêmement complexe puisque les informations médicales relatives à la santé mentale sont protégées par des protocoles de confidentialité et que de nombreuses personnes à risque ne demandent pas d'aide.
Au cours des 50 dernières années, de nombreuses recherches ont été consacrées à l'élaboration de modèles de détection précoce des personnes présentant un risque réel de suicide. Le problème est que, jusqu'à présent, ces modèles reposaient sur des méthodes statistiques traditionnelles et fournissaient des prévisions peu précises.
La nouvelle étude menée par des chercheurs du Technion et de l'Université hébraïque laisse présager une percée dans ce domaine. Publiée dans Scientific Reports, une revue du Nature Publishing Group, la recherche a été menée par le professeur Roï Reichart du Technion, expert en traitement automatique du langage naturel (NLP), le doctorant Refael Tikochinski (psychologie computationnelle) et le Dr Yaakov Ophir (psychologie clinique, nomination conjointe avec l'Université hébraïque) avec les scientifiques de l'Université hébraïque, le professeur Christa Asterhan (psychologie éducative) et le Dr Itay Sisso (cognition et Big Data).
Les outils développés par l’équipe permettent une détection précoce des populations à risque au sein de la population générale, de sorte que la détection ne se limite pas aux personnes déjà traitées pour des problèmes de santé mentale. Le système, qui associe l'apprentissage automatique et le traitement du langage naturel avec des outils théoriques et analytiques issus des domaines de la psychologie et de la psychiatrie, utilise des réseaux neuronaux à couches.
Selon le professeur Reichart : "Nous comprenons maintenant que la détection des tendances suicidaires ne peut dépendre seulement des expressions explicites de détresse (comme : "Je veux mourir") ou des informations de dossiers médicaux officiels telles que les données physiologiques des scanners cérébraux, les évaluations psychiatriques et autres données médicales. Les prédictions de tentatives de suicide fondées sur des données démographiques, psychologiques et médicales n'ont pas été particulièrement fructueuses malgré cinq décennies de recherche intensive. Nous avons donc réalisé que nous devions aborder le défi depuis différentes directions simultanément".
Selon le Dr Ophir, l'idée de cette recherche est née suite à la mort tragique de David El Mizrachi, un jeune de 16 ans qui s'était suicidé parce que victime de harcèlement en ligne et dans la réalité. "Il est rapidement devenu évident que la détection des tendances suicidaires suffisamment tôt nécessite une recherche interdisciplinaire qui inclut des chercheurs de différents domaines. C'est ainsi que ce groupe multi-universitaire et pluridisciplinaire a été formé".
Les chercheurs ont découvert que les personnes ayant de réelles tendances suicidaires utilisent rarement des mots explicitement alarmants dans leurs posts (tels que "mort", "tuer" ou "suicide"). Le plus souvent, elles utilisent des mots descriptifs négatifs ("mauvais", "pire"), des mots de malédiction ("f***ing", "b**ch"), des expressions de détresse émotionnelle ("triste", "blessé", "pleurer", "fou"), et des descriptions d'états physiologiques négatifs ("malade", "douleur", "chirurgie", "hôpital"). Les personnes qui n'ont pas de tendances suicidaires ont tendance à exprimer des émotions et des expériences plus positives, et à faire davantage référence à la religion et à une vision positive de la vie - une corrélation qui correspond à de nombreuses études qui ont identifié ces facteurs comme représentant une immunité à la détresse mentale et émotionnelle.
Au total, les chercheurs ont analysé plus de 80 000 messages sur Facebook écrits par des adultes aux États-Unis, comparant leurs habitudes d'utilisation de la langue avec leurs scores obtenus à un large éventail d'indices psychologiques valides. Refael Tikochinski a précisé : ”la puissance de l'algorithme reposant sur le traitement automatique du langage naturel réside dans sa capacité à analyser d'énormes quantités d'indices linguistiques - ce que les humains ne sont pas capables de faire". "Dans ce projet, nous avons intégré une modélisation de pointe du réseau neuronal basée sur l'attention pour la représentation des textes, avec des réseaux neuronaux en couches pour la classification”.
Le professeur Asterhan a ajouté que "cette recherche a des applications très importantes pour identifier les personnes en détresse et leur apporter de l'aide à temps. En outre, elle démontre la force d'une collaboration multidisciplinaire intensive et de la combinaison de connaissances avancées issues des sciences sociales et de la Data Science. D'une part, l'utilisation de techniques informatiques avancées a ouvert de nouvelles opportunités de recherche en sciences sociales qui étaient jusqu'à présent inenvisageables. D'autre part, l'amélioration substantielle des taux de précision a été obtenue lorsque les connaissances et les données psychopathologiques ont été intégrées dans les modèles de calcul.
En conclusion, le Dr Ophir déclare : ”J'ai un problème avec les clichés”… "mais dans ce cas, je crois qu'au bout du compte, la percée que nous avons réalisée est capable de sauver des vies. J'espère que cette recherche est un signe d'espoir dans le domaine de la santé mentale".