Une étude montre que l'IA peut prédire les niveaux d'anxiété grâce à des tâches d'images

Des chercheurs de l’Université de Cincinnati ont développé une nouvelle forme d’intelligence artificielle qui utilise une courte tâche d’évaluation d’images et un petit ensemble de variables contextuelles pour prédire si une personne souffre d’anxiété.

L'anxiété peut avoir des conséquences fonctionnelles, affectant 12 % de la population américaine et constituant l'une des principales causes d'invalidité. Elle se caractérise par une peur intense et une inquiétude persistante en l’absence d’une menace définie. L'anxiété chronique peut nuire à la santé mentale et physique d'une personne et affecter ses relations, sa carrière et sa qualité de vie.

“Je pense que l'anxiété est ressentie par chacun à différents niveaux, à différentes étapes de la vie, et constitue un problème pertinent pour la plupart des gens”, a déclaré Sumra Bari, premier auteur et associé de recherche principal au Collège d'ingénierie et de sciences appliquées de l'UC.

« Nous avons utilisé des ressources informatiques minimales et un petit ensemble de variables pour prédire les niveaux d'anxiété. Un ensemble important de ces variables quantifient les processus importants pour le jugement. Nous avons appelé cette approche « Comp Cog AI » car elle intègre la cognition computationnelle à l'intelligence artificielle. »

Au lieu de trier des masses de données sociales, médicales ou psychologiques (un aspect du « big data ») et d’utiliser des superordinateurs aux besoins énergétiques importants, cette technique se concentre sur une courte tâche d’évaluation où l’individu attribue des notes positives ou négatives à des images et répond à un ensemble limité de questions contextuelles, telles que l’âge et la solitude.

“L'utilisation du Big Data à des fins de prédiction a fait l'objet d'une attention particulière”, a déclaré Hans Breiter, co-auteur et chercheur principal de l'étude.

Breiter est professeur d'informatique et de génie biomédical à l'Université de Cincinnati et professeur adjoint en psychiatrie au Massachusetts General Hospital et à la Harvard Medical School.

« Les prédictions basées sur les mégadonnées sont puissantes, mais elles sont remises en question par la façon dont on interprète ces prédictions », a-t-il déclaré.

« Le fait de disposer d’un petit nombre de variables fondées sur la psychologie mathématique semble résoudre ce problème et est nécessaire si l’apprentissage automatique actuel veut un jour aborder la question de l’intelligence artificielle générale, ou ce que le cerveau fait de manière routinière pour de multiples fonctions cognitives. Les travaux actuels sont basés sur un ensemble d’équations sur le jugement humain qui soutiennent le concept de ce que d’autres scientifiques de l’IA appellent un « modèle standard de l’esprit ». »

L'étude a été publiée dans Recherche en santé mentale npj. Il a conclu que les mesures de jugement liées à certaines données démographiques jouent un rôle clé dans la prédiction du degré d’anxiété ressenti par un individu.

Le système représente un “prototype de concierge” d'un outil qui pourrait être une application destinée aux professionnels de la santé, aux hôpitaux ou aux militaires pour identifier les personnes présentant un risque urgent d'anxiété.

Les participants, dont les données démographiques reflétaient celles des États-Unis d'après les chiffres du US Census Bureau, ont répondu à l'enquête sur leurs appareils numériques personnels et ont répondu à des questions sur les caractéristiques démographiques et la solitude perçue.

Ces 3 476 participants ont également évalué dans quelle mesure ils aimaient ou n’aimaient pas 48 images dont le sujet était légèrement émotionnel. Les données d'évaluation des images ont été utilisées pour quantifier les caractéristiques mathématiques des jugements des gens. Ces données ont ensuite été utilisées avec des algorithmes d’apprentissage automatique pour prédire les niveaux actuels d’anxiété à partir de la partie anxiété d’état de l’inventaire d’anxiété State-Trait.

“L'utilisation d'une tâche d'évaluation d'images avec des variables contextuelles qui affectent le jugement peut sembler simple, mais comprendre les modèles de préférence nous permet de découvrir les composants critiques d'un large ensemble de comportements”, a déclaré le co-auteur principal Aggelos Katsaggelos, professeur Joseph Cummings de Génie électrique et informatique à McCormick et directeur du laboratoire de traitement d'images et vidéo à l'Université Northwestern.

Grâce à cette nouvelle forme d'intelligence artificielle développée par UC et Northwestern, la technologie a pu prédire si une personne interrogée était susceptible de souffrir d'un niveau d'anxiété plus ou moins élevé avec une précision allant jusqu'à 81 %. Le système a également obtenu des résultats élevés en termes de sensibilité et de spécificité, des mesures de performance indiquant dans quelle mesure le modèle a classé les personnes qui souffrent d'une anxiété plus élevée et celles qui n'en ont pas.

Bari a noté : « La tâche d'évaluation d'images peut être utilisée pour produire des instantanés quotidiens et impartiaux de l'état de santé mentale d'une personne sans poser de questions directes qui pourraient déclencher des sentiments négatifs ou bouleversants. »

Elle a ajouté que les questions directes sur l’anxiété pourraient s’avérer moins efficaces avec le temps, car les répondants ont tendance à répondre aux mêmes questions par cœur. La nouvelle technologie est également indépendante de la langue maternelle et peut être largement utilisée dans divers contextes pour évaluer l’anxiété.

Les chercheurs ont noté que les données anonymes avaient été échantillonnées auprès de la population américaine pendant la pandémie de COVID-19, au cours de laquelle des taux de solitude et d’anxiété plus élevés que la normale ont été signalés.