Pour les personnes qui luttent pour vaincre la dépendance, une bonne thérapie peut être extrêmement bénéfique. Mais une mauvaise thérapie est pire que pas de thérapie du tout.

Le défi est de pouvoir faire la différence. Les conseillers en exercice reçoivent rarement des commentaires, il leur est donc difficile de savoir s'ils offrent un traitement optimal à leurs patients.

Le professeur du nord-est Tad Hirsch s'efforce de changer cela. Il a développé un système qui enregistre les séances de conseil et les note, générer un bulletin pour les thérapeutes.

La technologie est déjà utilisée dans une clinique de formation universitaire et un réseau d'établissements de traitement de la toxicomanie aux opioïdes. Une fois mis à l'échelle, le système pourrait créer une nouvelle norme de soins pour la thérapie et améliorer la santé mentale des patients du monde entier.

Voici comment cela fonctionne :Hirsch et ses collaborateurs ont commencé par enregistrer 356 séances de conseil. A partir de ces séances, ils en ont retiré 300, 000 déclarations et les a compilées dans une base de données. Ensuite, une équipe d'experts en psychologie a passé au peigne fin les déclarations et les a codées.

Le codage est un processus analytique dans lequel les données sont classées. Dans ce cas, les experts ont codé les déclarations en fonction de leur degré de cohérence avec les techniques utilisées dans les entretiens motivationnels, une sorte de psychothérapie.

Prochain, les chercheurs ont utilisé l'ensemble de données codé pour former un modèle d'apprentissage automatique. C'est une forme d'intelligence artificielle. Une fois le modèle formé, le résultat est un système qui peut enregistrer une séance de conseil, créer une transcription de ce qui a été dit, analyser la transcription, noter la séance, et fournir des commentaires spécifiques aux cliniciens.

En d'autres termes, un ordinateur évalue les thérapeutes et leur dit comment ils peuvent s'améliorer.

Comment les thérapeutes réagissent-ils lorsqu'ils sont évalués par une machine ? Hirsch et ses collaborateurs ont récemment terminé une étude pour savoir, tester la technologie avec 21 conseillers. Les résultats ont été extrêmement positifs.

"Nous avons constaté que dans l'ensemble, ils ont tous vu de la valeur dans ce que nous faisions, " dit Hirsch, professeur de design à Northeastern dont les recherches portent sur l'intersection du design, ingénierie, et la justice sociale.

"Les cliniciens ont décrit la technologie comme précise, perspicace, et utile. Ils pensaient également que l'outil était particulièrement précieux pour la formation, comme moyen de fournir des commentaires aux conseillers au fur et à mesure qu'ils obtenaient leur certification, " a déclaré Hirsch.

Les thérapeutes ont également exprimé un degré élevé de confiance dans le modèle d'apprentissage automatique. Hirsch a déclaré que cela était probablement dû au fait que les progrès de l'intelligence artificielle ont été largement couverts dans les nouvelles, et le public a généralement une vision positive de la technologie. Plus, comme Hirsch l'a dit un thérapeute l'a dit, "Il est difficile de discuter avec un ordinateur."

Et tandis que le modèle d'apprentissage automatique évalue les séances de thérapie avec une précision d'environ 90 % par rapport à un expert humain, Hirsch prévient que le système n'est pas infaillible. Et les enjeux sont élevés.

"C'est différent de quand Netflix fait une recommandation de film que vous n'aimez pas, " a déclaré Hirsch. Il encourage les thérapeutes à s'exprimer s'ils ne sont pas d'accord avec l'évaluation de la machine et à utiliser le bulletin scolaire comme tremplin pour perfectionner leur pratique.

"En tant que concepteurs, nous voulons nous assurer que les prédictions de nos modèles sont contextualisées, de telle sorte que les gens puissent comprendre comment ces systèmes fonctionnent suffisamment bien pour interpréter les découvertes et les résultats qu'ils pourraient voir, plutôt que de les prendre pour argent comptant, " a déclaré Hirsch.