Un algorithme pour prévenir le suicide ?

Suicide, mode d’emploi ? Et si une machine permettait d’identifier les tendances suicidaires et même l’imminence d’un passage à l’acte chez certains sujets ?

pilules overdose

Dans une étude publiée dans Nature Human Behavior, des chercheurs de Carnegie Mellon et de l’Université de Pittsburgh ont analysé la façon dont les individus suicidaires pensent et ressentent différemment la vie et la mort, en examinant comment certaines parties de leur cerveau s’illumine à l’aide d’un dispositif d’imagerie par résonance magnétique fonctionnelle (iRMF)

Dans cette étude, les chercheurs ont commencé avec dix-sept jeunes adultes âgés de 18 à 30 ans qui avaient récemment signalé des idées suicidaires à leurs thérapeutes. Ils ont ensuite recruté dix-sept participants au contrôle neurotypique et les ont placés chacun dans un scanner IRMf. Une fois à l’intérieur de la machine, les sujets ont été confrontés à une série aléatoire de trente mots. Parmi ces trente propositions, dix étaient « positives », dix étaient « négatives » et les dix autres étaient spécifiquement associées à la mort et au suicide.

Les chercheurs ont ensuite demandé aux sujets de réfléchir à chaque mot pendant trois secondes, tel qu’il apparaissait sur un écran devant eux. « Qu’est-ce que ‘trouble’ veut dire pour toi? ». Pour chaque mot, le flux sanguin cérébral des sujets a été enregistré afin de tenter de découvrir quelles parties de leur cerveau semblaient être mises à contribution.

Certains lobes cérébraux « flambent » à l’évocation d’un mot

Les chercheurs ont constaté que les réponses à six mots – « mort », »trouble », »insouciance », »bien », »éloge » et « cruauté » – montraient les plus grandes différences entre les deux groupes de participants, comme par exemple un lobe frontal qui « flambe » à l’évocation du mot « mort ».

Ils ont ensuite fourni ces données à algorithme d’apprentissage machine (machine learning) pour chaque personne, sauf une. Pour un mot donné, ils ont indiqué au programme de quel type d’activation neurale provenait quel groupe. Ensuite, ils ont fourni les résultats de la personne manquante et ont demandé à l’algorithme de dire à quel groupe la personne appartenait. La machine a eu raison dans 91% des cas. Dans une deuxième expérience, les scientifiques ont utilisé les mêmes méthodes pour nourrir un algorithme afin de distinguer les personnes qui avaient tenté de se suicider de celles qui ne l’avaient pas fait, cette fois-ci avec une précision de 94%.

Le programme a été en mesure d’identifier les signaux suicidaires avec plus de 90% d’exactitude. En outre, il a été capable de distinguer les personnes qui avaient réellement tenté de mettre fin à leurs jours de celles qui y avaient seulement pensé.

Une étude à prendre quand même avec quelques réserves, car d’une part elle a été menée sur un nombre limité de sujets et que par conséquent sa valeur statistique est faible, et d’autre part, comme l’indique un spécialiste des neurosciences de l’université de Toronto, les modèles utilisés sont fondés sur la corrélation et non sur la causalité.

Rappelons que 10.000 personnes meurent de suicide en France chaque année, pour 200.000 tentatives.

Source

 


Nos dernières vidéos

Répondre