Imaginez que l'on puisse prédire le niveau d'anxiété d'une personne en lui demandant d'évaluer quelques images et de répondre à des questions simples.
C'est exactement ce que des chercheurs de l'université de Cincinnati et de l'université Northwestern ont réalisé avec leur système "Comp Cog AI".
En combinant l'IA et la science du traitement de l'information par l'esprit, ils ont créé un outil capable d'identifier avec précision les personnes susceptibles de souffrir d'anxiété.
Les étudepubliée dans la revue Mental Health Research, a impliqué plus de 3 000 participants de tous les États-Unis.
Chaque personne a évalué une série d'images légèrement émotionnelles tirées de l'International Affective Picture System (IAPS) et a fourni des informations de base sur elle-même, telles que son âge et son sentiment de solitude.
L'IAPS a été développé par le Centre d'étude des émotions et de l'attention de l'Université de Floride. Il s'agit d'un ensemble normalisé de photographies dont le contenu émotionnel est évalué en termes de valence (caractère agréable), d'excitation (intensité) et de dominance (contrôle).
Le système d'IA a ensuite analysé ces données, en recherchant des schémas dans la manière dont les personnes réagissaient aux images et comment ces réactions étaient liées à leur niveau d'anxiété.
Après entraînement, le système d'IA Comp Cog a pu prédire l'anxiété avec une précision allant jusqu'à 81%, ce qui laisse espérer un avenir où les problèmes de santé mentale pourront être identifiés à l'aide de systèmes légers en libre-service.
En tant qu'auteur principal, Sumra Bari expliqueNous avons utilisé des ressources informatiques minimales et un petit ensemble de variables pour prédire les niveaux d'anxiété. Un ensemble important de ces variables quantifie des processus importants pour le jugement".
En savoir plus sur l'étude
Voici plus d'informations sur le fonctionnement de l'étude :
- Collecte de données: Les participants ont rempli une tâche d'évaluation d'images, attribuant des notes de -3 (n'aime pas beaucoup) à +3 (aime beaucoup) à 48 images légèrement émotionnelles tirées de l'IAPS. Ils ont également répondu à des questions sur leur âge, leur perception de la solitude et des informations démographiques.
- Extraction des caractéristiques: Le système d'IA a extrait 15 variables de jugement clés des données d'évaluation des images, telles que l'aversion pour la perte, l'aversion pour le risque et la cohérence entre l'aversion pour la récompense et l'aversion pour le risque. Ces variables quantifient les biais dans les jugements de récompense/aversion et ont été associées à des systèmes cérébraux impliqués à la fois dans le jugement et l'anxiété.
- Formation et prédiction de l'IA: Les chercheurs ont utilisé les algorithmes d'apprentissage automatique Random Forest et Random Forest équilibré pour former le système d'IA sur un sous-ensemble de données. L'IA a utilisé les variables de jugement et les facteurs contextuels pour prédire le niveau d'anxiété de chaque participant, tel que mesuré par la partie anxiété d'état de l'Inventaire d'anxiété de l'État-Trait (STAI).
- Évaluation et interprétation des modèles: Le système d'IA formé a été testé sur les données restantes afin d'évaluer sa précision, sa sensibilité et sa spécificité dans la prédiction des niveaux d'anxiété. Les chercheurs ont également effectué des analyses de médiation et de modération pour comprendre comment les variables de jugement et les facteurs contextuels interagissaient pour modéliser l'anxiété.
Les quatre variables prédictives les plus importantes - l'âge, la solitude, le revenu du ménage et la situation professionnelle - ont contribué à hauteur de 29-31% au pouvoir prédictif du modèle, tandis que les 15 variables de jugement ont contribué collectivement à hauteur de 55-61%.
Aggelos Katsaggelos, coauteur principal de l'étude, a souligné l'importance de l'approche adoptée, en déclarant : "L'utilisation d'une tâche d'évaluation d'images avec des variables contextuelles qui affectent le jugement peut sembler simple, mais la compréhension des schémas de préférence nous permet de découvrir les éléments essentiels d'un grand nombre de comportements."
Les chercheurs envisagent de développer la technologie Comp Cog AI pour en faire une application conviviale destinée aux prestataires de soins de santé, aux hôpitaux et même à l'armée, afin d'identifier rapidement les personnes présentant un risque élevé d'anxiété.
Comme le souligne Bari, "la tâche d'évaluation des images peut être utilisée pour produire des instantanés quotidiens et impartiaux de l'état de santé mentale d'une personne sans poser de questions directes susceptibles de déclencher des sentiments négatifs ou dérangeants".
Des recherches antérieures ont exploité l'IA pour aider à diagnostiquer la schizophrénieDes outils ont été mis au point pour offrir une thérapie par l'IA aux personnes souffrant de troubles mentaux. par le biais d'avatars numériques.
