Les chercheurs conçoivent des modèles d’apprentissage automatique pour mieux prédire le risque de suicide et d’automutilation chez les adolescents

L’intelligence artificielle peut aider à identifier les facteurs de risque de suicide et d’automutilation, selon une nouvelle étude de l’UNSW Sydney.

Chez les adolescents australiens, le suicide est la principale cause de décès et l’automutilation touche 18 % des 14-17 ans. Les deux sont malheureusement devenus plus courants dans ce groupe d’âge au cours de la dernière décennie.

Les cliniciens évaluent le risque de suicide et d’automutilation lorsqu’un jeune entre dans un établissement de soins de santé, comme un hôpital, avec un comportement potentiellement suicidaire ou d’automutilation. Les méthodes actuelles d’évaluation des risques, telles que l’examen des tentatives passées, peuvent ne pas être fiables et ne prennent pas en compte les nombreux autres facteurs de risque potentiels. De plus, les adolescents en dehors de ces établissements de soins de santé passent inaperçus.

L’intelligence artificielle (IA) est de plus en plus utilisée en santé mentale pour identifier les personnes à risque. Les modèles d’apprentissage automatique (ML) peuvent traiter de grandes quantités de données sur les patients, identifier les facteurs de risque potentiels et mesurer la manière dont ils peuvent prédire les problèmes de santé mentale, notamment les tentatives de suicide et d’automutilation.

Des chercheurs de l’UNSW, de l’Ingham Institute for Applied Medical Research et du South Western Sydney Local Health District (SWSLHD) ont développé des modèles ML pour prédire le risque de suicide et de tentatives d’automutilation chez les adolescents. Ces modèles étaient plus précis qu’une approche standard, les tentatives de suicide et d’automutilation antérieures étant le seul facteur de risque.

Les résultats sont publiés dans Recherche en psychiatrie.

“Parfois, nous devons digérer et traiter beaucoup d’informations qui dépasseraient les capacités du clinicien”, explique l’auteur principal, le Dr Daniel Lin, psychiatre et chercheur en santé mentale affilié à l’UNSW, à l’Institut Ingham et au SWSLHD.

“C’est la raison pour laquelle nous exploitons les algorithmes d’apprentissage automatique.”

Forte prévalence du suicide et de l’automutilation

Les chercheurs ont utilisé les données de l’étude longitudinale sur les enfants australiens, qui collecte une série de données sur les enfants de tout le pays depuis 2004. Leur analyse comprenait 2 809 participants à l’étude, répartis en un groupe d’âge de 14 à 15 ans et un groupe d’âge de 16 à 16 ans. Tranche d’âge de 17 ans. Les données provenaient de questionnaires remplis par les enfants, leurs tuteurs et leurs enseignants.

Parmi les 2 809 participants, 10,5 % ont signalé un acte d’automutilation et 5,2 % ont déclaré avoir tenté de se suicider au moins une fois au cours des 12 derniers mois.

“Ces comportements sont définitivement sous-déclarés, de sorte que les proportions réelles sont plus élevées”, explique le Dr Lin.

Identifier les facteurs de risque

Les chercheurs ont identifié plus de 4 000 facteurs de risque potentiels à partir des données, liés à des domaines tels que la santé mentale, la santé physique, les relations avec les autres et l’environnement scolaire et familial. Ils ont utilisé un algorithme de classification aléatoire des forêts (une technique avancée de ML) pour identifier les facteurs de risque à 14-15 ans qui étaient les plus prédictifs de tentatives de suicide et d’automutilation à 16-17 ans.

Pour le suicide et l’automutilation, les facteurs de risque les plus importants étaient les sentiments dépressifs, les difficultés émotionnelles et comportementales, la perception de soi et la dynamique scolaire et familiale. Il existe également des facteurs uniques spécifiques au suicide ou à l’automutilation.

“Un prédicteur unique de suicide était le manque d’auto-efficacité, lorsqu’une personne ressent un manque de contrôle sur son environnement et son avenir. Et un prédicteur unique d’automutilation était le manque de régulation émotionnelle”, explique le Dr Lin.

“Nous avons été surpris de constater que les tentatives précédentes ne figuraient pas parmi les principaux facteurs de risque.”

Une autre découverte inattendue était l’importance de la dynamique scolaire et familiale dans la prévision des tentatives de suicide et d’automutilation. Selon le Dr Lin, il existe un stéréotype selon lequel les gens s’automutilent ou se suicident en raison d’une mauvaise santé mentale intrinsèque.

« Nous avons constaté que l’environnement des jeunes joue un rôle plus important que nous ne le pensions. C’est une bonne chose du point de vue de la prévention, car nous savons maintenant que nous pouvons faire davantage pour ces personnes », explique le Dr Lin.

“Le soutien parental et scolaire est très important… Nous devons trouver comment, en tant que société, nous pouvons soutenir la parentalité et l’éducation scolaire, afin de protéger notre jeune génération.”

Implications pour la pratique clinique

Les chercheurs ont créé des modèles ML basés sur les principaux facteurs de risque identifiés pour prédire le suicide et l’automutilation chez les participants à l’étude. Ces modèles ont pu prédire les tentatives avec plus de précision que l’approche standard, qui ne prend en compte que l’historique des tentatives précédentes de la personne.

Selon le Dr Lin, des modèles ML comme celui-ci pourraient aider les cliniciens à évaluer le risque de suicide et d’automutilation chez les patients adolescents.

“Sur la base des informations sur les patients, l’algorithme ML pourrait calculer un score pour chaque personne, et cela pourrait être intégré au système de dossiers médicaux électroniques. Le clinicien pourrait récupérer rapidement ces informations pour confirmer ou modifier son évaluation”, explique le Dr Lin.

Cependant, des recherches supplémentaires sont nécessaires avant que ces modèles ML puissent être intégrés aux soins cliniques. Les modèles doivent être appliqués à des ensembles de données cliniques réelles (qui contiendront des informations moins détaillées sur les patients) pour valider s’ils sont toujours efficaces pour prédire les tentatives de suicide et d’automutilation. Les chercheurs cherchent également à comprendre comment plusieurs facteurs de risque interagissent pour influencer le comportement.

« En tant que chercheurs, nous essaierons de continuer à générer davantage d’informations et de preuves », déclare le Dr Lin.

« C’est le moyen de convaincre les parties prenantes — cliniciens, familles, patients et communauté — que ces approches fondées sur les données sont utiles. »