Selon l'Organisation mondiale de la santé, la dépression est un trouble mental courant qui touche mondialement plus de 300 millions de personnes. La dépression est la première cause d’incapacité dans le monde et contribue fortement à la charge mondiale de la maladie. Les femmes sont plus atteintes que les hommes. Dans le pire des cas, la dépression peut conduire au suicide. Chaque année, près de 800 000 personnes meurent en se suicidant. Le suicide est la deuxième cause de mortalité chez les 15-29 ans. Il existe des traitements psychologiques ou médicamenteux efficaces pour combattre la dépression.
Or, une nouvelle étude de l'University of Pennsylvania et Stony Brook University publiée dans Proceedings of the National Academy of Sciences révèle qu'un algorithme pourrait balayer les médias sociaux et signaler les signaux d'alarme linguistiques de la maladie avant qu'un diagnostic médical ait été posé. En analysant les données des réseaux sociaux partagées par les utilisateurs consentants au cours des mois qui ont précédé le diagnostic de dépression, les chercheurs ont découvert que leur algorithme pouvait prédire avec précision la dépression future. Les indicateurs de la condition comprenaient des mentions d’hostilité et de solitude, des mots tels que "larmes" et "sentiments", ainsi que l’utilisation de davantage de pronoms à la première personne tels que "je" et "moi".
Selon les chercheurs, ce que les gens écrivent dans les médias sociaux et en ligne représente un aspect de la vie qu'il est très difficile d'accéder en médecine et en recherche. Il s'agit d'une dimension relativement peu exploitée par rapport aux marqueurs biophysiques de la maladie. Les données des médias sociaux contiennent des marqueurs apparentés au génome. Avec des méthodes similaires à celles utilisées en génomique, il serait possible de combiner les données des médias sociaux pour trouver ces marqueurs. La dépression semble être quelque chose de tout à fait détectable de cette manière, elle modifie réellement l'utilisation des médias sociaux.
Plutôt que de faire ce que des études précédentes avaient faits, soit recruter des participants ayant déclaré une dépression, les chercheurs ont identifié des données provenant de personnes acceptant de partager les statuts Facebook et des informations de dossiers médicaux électroniques, puis ont analysé les statuts à l'aide de techniques d'apprentissage automatique afin de distinguer les personnes présentant un diagnostic formel de dépression.
Près de 1 200 personnes ont accepté de fournir les deux archives numériques. Parmi eux, seulement 114 personnes ont reçu un diagnostic de dépression dans leur dossier médical. Les chercheurs ont ensuite associé chaque personne ayant un diagnostic de dépression à cinq personnes qui ne l'avaient pas, pour servir de contrôle, pour un échantillon total de 683 personnes (à l'exception d'une pour les mots insuffisants dans les mises à jour de statut). L'idée était de créer un scénario aussi réaliste que possible pour former et tester l'algorithme des chercheurs.
Pour construire l'algorithme,les chercheurs ont analysé 524 292 mises à jour Facebook des années menant au diagnostic pour chaque personne déprimée et pendant la même période pour le contrôle. Ils ont déterminé les mots et les phrases les plus fréquemment utilisés, puis modélisé 200 sujets afin d'explorer ce qu'ils appelaient des "marqueurs de langage associés à la dépression". Enfin, ils ont comparé de quelle manière et à quelle fréquence les participants déprimés par rapport aux participants témoins utilisaient un tel phrasé.
Ils ont découvert que ces marqueurs comprenaient des processus émotionnels, cognitifs et interpersonnels tels que l'hostilité et la solitude, la tristesse et la rumination, et qu'ils pouvaient prédire une dépression future trois mois avant la première documentation de la maladie dans un dossier médical.
Les chercheurs précisent, en terminant, que malgré certaines limites de l’étude, y compris son échantillon strictement urbain, et des limites du domaine lui-même, les résultats offrent un nouveau moyen de découvrir et obtenir de l'aide pour ceux qui souffrent de dépression.
Aucun commentaire:
Enregistrer un commentaire