Une méthode d'apprentissage automatique a découvert un indice caché dans le langage des gens prédictif de l'émergence ultérieure de la psychose - l'utilisation fréquente de mots associés au son. Un article publié par la revue npj Schizophrénie a publié les résultats de scientifiques de l'Université Emory et de l'Université Harvard.

Les chercheurs ont également développé une nouvelle méthode d'apprentissage automatique pour quantifier plus précisément la richesse sémantique du langage conversationnel des gens, un indicateur connu de psychose.

Leurs résultats montrent que l'analyse automatisée des deux variables langagières - utilisation plus fréquente de mots associés au son et parole à faible densité sémantique, ou imprécision - peut prédire si une personne à risque développera plus tard une psychose avec une précision de 93%.

Même les cliniciens formés n'avaient pas remarqué que les personnes à risque de psychose utilisent plus de mots associés au son que la moyenne, bien que la perception auditive anormale soit un symptôme préclinique.

"Essayer d'entendre ces subtilités dans les conversations avec les gens, c'est comme essayer de voir des germes microscopiques avec les yeux, " dit Néguine Rezaii, premier auteur de l'article. "La technique automatisée que nous avons développée est un outil très sensible pour détecter ces schémas cachés. C'est comme un microscope pour détecter les signes avant-coureurs de la psychose."

Rezaii a commencé à travailler sur le papier alors qu'elle était résidente au département de psychiatrie et des sciences du comportement de l'école de médecine Emory. Elle est maintenant membre du département de neurologie de la Harvard Medical School.

"On savait auparavant que les caractéristiques subtiles de la psychose future sont présentes dans le langage des gens, mais nous avons utilisé l'apprentissage automatique pour découvrir des détails cachés sur ces fonctionnalités, " dit l'auteur principal Phillip Wolff, professeur de psychologie à Emory. Le laboratoire de Wolff se concentre sur la sémantique du langage et l'apprentissage automatique pour prédire la prise de décision et la santé mentale.

"Notre découverte est nouvelle et s'ajoute aux preuves montrant le potentiel d'utilisation de l'apprentissage automatique pour identifier les anomalies linguistiques associées à la maladie mentale, " dit la co-auteur Elaine Walker, un professeur Emory de psychologie et de neurosciences qui étudie le développement de la schizophrénie et d'autres troubles psychotiques.

L'apparition de la schizophrénie et d'autres troubles psychotiques survient généralement au début de la vingtaine, avec des signes avant-coureurs - connus sous le nom de syndrome prodromique - commençant vers l'âge de 17 ans. Environ 25 à 30 pour cent des jeunes qui répondent aux critères d'un syndrome prodromique développeront la schizophrénie ou un autre trouble psychotique.

À l'aide d'entretiens structurés et de tests cognitifs, les cliniciens qualifiés peuvent prédire la psychose avec une précision d'environ 80 pour cent chez les personnes atteintes d'un syndrome prodromique. La recherche en apprentissage automatique fait partie des nombreux efforts en cours pour rationaliser les méthodes de diagnostic, identifier de nouvelles variables, et améliorer la précision des prédictions.

Actuellement, il n'y a pas de remède contre la psychose.

« Si nous pouvons identifier plus tôt les personnes à risque et utiliser des interventions préventives, nous pourrions peut-être inverser les déficits, ", dit Walker. "Il existe de bonnes données montrant que des traitements comme la thérapie cognitivo-comportementale peuvent retarder l'apparition, et peut-être même réduire l'apparition de la psychose."

Pour le papier actuel, les chercheurs ont d'abord utilisé l'apprentissage automatique pour établir des « normes » pour le langage conversationnel. Ils ont alimenté un logiciel informatique les conversations en ligne de 30, 000 utilisateurs de Reddit, une plate-forme de médias sociaux où les gens ont des discussions informelles sur un éventail de sujets. Le logiciel, connu sous le nom de Word2Vec, utilise un algorithme pour changer des mots individuels en vecteurs, attribuer à chacun un emplacement dans un espace sémantique en fonction de sa signification. Ceux qui ont des significations similaires sont positionnés plus près les uns des autres que ceux qui ont des significations très différentes.

Le laboratoire Wolff a également développé un programme informatique pour effectuer ce que les chercheurs ont appelé « le déballage vectoriel, " ou l'analyse de la densité sémantique de l'utilisation des mots. Des travaux antérieurs ont mesuré la cohérence sémantique entre les phrases. Le déballage vectoriel a permis aux chercheurs de quantifier la quantité d'informations contenues dans chaque phrase.

Après avoir généré une base de données "normales", les chercheurs ont appliqué les mêmes techniques aux entretiens diagnostiques de 40 participants qui avaient été menés par des cliniciens formés, dans le cadre de la North American Prodrome Longitudinal Study (NAPLS) multi-sites, financé par les National Institutes of Health. Le NAPLS est axé sur les jeunes présentant un risque clinique élevé de psychose. Walker est le chercheur principal pour NAPLS à Emory, l'une des neuf universités impliquées dans le projet de 14 ans.

Les analyses automatisées des échantillons de participants ont ensuite été comparées à l'échantillon de base normal et aux données longitudinales indiquant si les participants se sont convertis à la psychose.

Les résultats ont montré qu'une utilisation plus élevée que la normale de mots liés au son, combiné à un taux plus élevé d'utilisation de mots ayant un sens similaire, signifiait que la psychose était probable à l'horizon.

Les points forts de l'étude comprennent la simplicité d'utilisation de seulement deux variables, qui ont toutes deux une base théorique solide :la réplication des résultats dans un ensemble de données de réserve, et la grande précision de ses prédictions, au-dessus de 90 pour cent.

« Dans le domaine clinique, on manque souvent de précision, " dit Rezaii. " Nous avons besoin de plus de quantification, des moyens objectifs de mesurer des variables subtiles, tels que ceux cachés dans l'usage de la langue."

Rezaii et Wolff rassemblent maintenant des ensembles de données plus importants et testent l'application de leurs méthodes sur une variété de maladies neuropsychiatriques, y compris la démence.

« Cette recherche est intéressante non seulement pour son potentiel à en révéler davantage sur la maladie mentale, mais pour comprendre comment fonctionne l'esprit, comment il rassemble les idées, " dit Wolff. " La technologie d'apprentissage automatique progresse si rapidement qu'elle nous donne des outils pour extraire les données de l'esprit humain. "