Un algorithme d'apprentissage automatique peut détecter des signes d'anxiété et de dépression dans les modes de parole des jeunes enfants, potentiellement fournir un moyen rapide et facile de diagnostiquer des conditions difficiles à repérer et souvent négligées chez les jeunes, selon une nouvelle étude publiée dans le Journal d'informatique biomédicale et de santé .

Environ un enfant sur cinq souffre d'anxiété et de dépression, collectivement appelés « troubles de l'intériorisation ». Mais parce que les enfants de moins de huit ans ne peuvent pas exprimer de manière fiable leur souffrance émotionnelle, les adultes doivent pouvoir déduire leur état mental, et reconnaître les problèmes potentiels de santé mentale. Listes d'attente pour les rendez-vous avec les psychologues, problèmes d'assurance, et le fait que les parents ne reconnaissent pas les symptômes contribuent tous à ce que les enfants ne reçoivent pas un traitement vital.

"Il faut vite, des tests objectifs pour attraper les enfants quand ils souffrent, " dit Ellen McGinnis, psychologue clinicienne au Vermont Center for Children de l'University of Vermont Medical Center, Jeunes et familles et auteur principal de l'étude. "La majorité des enfants de moins de huit ans ne sont pas diagnostiqués."

Un diagnostic précoce est essentiel car les enfants répondent bien au traitement alors que leur cerveau est encore en développement, mais s'ils ne sont pas traités, ils courent un plus grand risque de toxicomanie et de suicide plus tard dans la vie. Le diagnostic standard implique un entretien semi-structuré de 60 à 90 minutes avec un clinicien qualifié et son soignant primaire. McGinnis, avec l'ingénieur biomédical de l'Université du Vermont et auteur principal de l'étude Ryan McGinnis, a cherché des moyens d'utiliser l'intelligence artificielle et l'apprentissage automatique pour rendre le diagnostic plus rapide et plus fiable.

Les chercheurs ont utilisé une version adaptée d'une tâche d'induction de l'humeur appelée Trier-Social Stress Task, qui est destiné à provoquer des sentiments de stress et d'anxiété chez le sujet. Un groupe de 71 enfants âgés de trois à huit ans a été invité à improviser une histoire de trois minutes, et dit qu'ils seraient jugés en fonction de leur intérêt. Le chercheur agissant en tant que juge est resté sévère tout au long du discours, et n'a donné que des commentaires neutres ou négatifs. Après 90 secondes, et encore avec 30 secondes restantes, une sonnerie retentirait et le juge leur dirait combien de temps il restait.

"La tâche est conçue pour être stressante, et pour les mettre dans l'état d'esprit que quelqu'un les jugeait, " dit Ellen McGinnis.

Les enfants ont également été diagnostiqués à l'aide d'un entretien clinique structuré et d'un questionnaire aux parents, deux manières bien établies d'identifier les troubles d'intériorisation chez les enfants.

Les chercheurs ont utilisé un algorithme d'apprentissage automatique pour analyser les caractéristiques statistiques des enregistrements audio de l'histoire de chaque enfant et les relier au diagnostic de l'enfant. Ils ont découvert que l'algorithme était très efficace pour diagnostiquer les enfants, et que la phase médiane des enregistrements, entre les deux buzzers, était le plus prédictif d'un diagnostic.

"L'algorithme a pu identifier les enfants avec un diagnostic de trouble d'intériorisation avec une précision de 80%, et dans la plupart des cas, cela se compare très bien à l'exactitude de la liste de contrôle des parents, ", explique Ryan McGinnis. Il peut également donner des résultats beaucoup plus rapidement - l'algorithme ne nécessite que quelques secondes de temps de traitement une fois la tâche terminée pour fournir un diagnostic.

L'algorithme a identifié huit caractéristiques audio différentes du discours des enfants, mais trois en particulier se sont démarqués comme fortement révélateurs de troubles d'intériorisation :les voix graves, avec des inflexions et un contenu répétables de la parole, et une réponse plus aiguë au surprenant buzzer. Ellen McGinnis dit que ces caractéristiques correspondent bien à ce que l'on peut attendre d'une personne souffrant de dépression. « Une voix grave et des éléments de parole répétables reflètent ce à quoi nous pensons lorsque nous pensons à la dépression :parler d'une voix monotone, répéter ce que tu dis, " dit Ellen McGinnis.

La réponse plus aiguë au buzzer est également similaire à la réponse trouvée par les chercheurs dans leurs travaux précédents, où les enfants souffrant de troubles d'intériorisation présentaient une réponse de refus plus importante d'un stimulus effrayant dans une tâche d'induction de peur.

L'analyse vocale a une précision de diagnostic similaire à l'analyse de mouvement dans ce travail antérieur, mais Ryan McGinnis pense qu'il serait beaucoup plus facile à utiliser dans un cadre clinique. La tâche de peur nécessite une pièce sombre, serpent jouet, des capteurs de mouvement attachés à l'enfant et un guide, alors que la tâche vocale n'a besoin que d'un juge, un moyen d'enregistrer la parole et un buzzer pour interrompre. "Ce serait plus faisable à déployer, " il dit.

Ellen McGinnis dit que la prochaine étape sera de développer l'algorithme d'analyse de la parole en un outil de dépistage universel à usage clinique, peut-être via une application pour smartphone qui pourrait enregistrer et analyser les résultats immédiatement. L'analyse vocale pourrait également être combinée avec l'analyse de mouvement dans une batterie d'outils de diagnostic assistés par la technologie, pour aider à identifier les enfants à risque d'anxiété et de dépression avant même que leurs parents ne soupçonnent que quelque chose ne va pas.