Sommaire :
Intelligence artificielle et détection de la dépression sur les réseaux sociaux
Une récente étude souligne le besoin de considérer les différences raciales et ethniques lors de la formation de modèles d’intelligence artificielle pour des tâches liées aux soins de santé. Selon cette étude, l’utilisation de l’intelligence artificielle pour analyser les médias sociaux permet de détecter des signaux de dépression chez les Américains blancs, mais pas chez les Américains noirs.
Les résultats de l’étude
Les chercheurs ont utilisé un modèle d’intelligence artificielle pour analyser le langage utilisé dans les messages de 868 volontaires, dont un nombre égal d’adultes noirs et blancs partageant des caractéristiques similaires telles que l’âge et le sexe. L’outil d’IA était plus de trois fois moins efficace pour détecter la dépression chez les Noirs utilisant Facebook que chez les Blancs. Ces résultats soulèvent des questions quant à la pertinence des modèles d’intelligence artificielle dans le domaine de la santé.
La négligence de la race dans les travaux sur la santé mentale
Les auteurs de l’étude soulignent que la race a souvent été négligée dans les travaux de recherche sur l’évaluation linguistique des maladies mentales. Des recherches antérieures avaient révélé que les personnes utilisant fréquemment des pronoms à la première personne et des termes d’autodépréciation étaient plus susceptibles de souffrir de dépression. Cependant, ces associations linguistiques ne s’appliquent pas de manière générale à l’ensemble de la population.
L’utilisation des données des médias sociaux
Les données des médias sociaux ne peuvent pas être utilisées pour diagnostiquer une dépression chez un individu, mais elles peuvent aider à évaluer les risques pour un individu ou un groupe. Par exemple, les chercheurs ont également utilisé le langage des médias sociaux pour évaluer la santé mentale des communautés pendant la pandémie de COVID-19. Cette approche pourrait également être utile dans le domaine des troubles liés à l’abus de substances, en évaluant la probabilité d’abandon du traitement et de rechute.
