MentalWords
Le stress et la santé mentale constituent un défi majeur pour la société actuelle. Ce projet étudie comment le traitement automatique du langage naturel (TAL) peut être utilisé pour en savoir plus sur ces maladies.
Fiche signalétique
-
Départements participants
Santé
Haute école des arts de Berne
Technique et informatique - Institut(s) Institute for Data Applications and Security (IDAS)
- Unité(s) de recherche IDAS / Applied Machine Intelligence
- Champ thématique stratégique Champ thématique "Caring Society"
- Organisation d'encouragement FNS
- Durée (prévue) 01.09.2025 - 31.08.2029
- Direction du projet Prof. Dr. Mascha Kurpicz-Briki
- Partenaire Universität Bern
- Mots-clés dépression, anxiété, burn-out, apprentissage automatique, collection des données, Artificial Intelligence, intelligence artificielle, Natural Language Processing, traitement du langage naturel, Large
Situation
Différentes études montrent que le stress au travail ou lié aux activités de soins est devenu un problème social majeur. Des situations de stress persistantes peuvent entraîner des troubles mentaux, tels que la dépression, l'anxiété ou le burn-out. Il est difficile de détecter les maladies mentales, car elles sont le résultat de nombreux facteurs différents et se manifestent par divers symptômes physiques et psychologiques. De plus, les symptômes de différents problèmes de santé mentale peuvent se chevaucher, ce qui rend difficile l'identification de la pathologie sous-jacente à traiter. Dans le cadre d'interventions cliniques et de recherches sur le terrain, les problèmes de santé mentale sont généralement détectés à l'aide de questionnaires comportant des questions à réponses échelonnées. Cependant, il a été démontré que ces questionnaires peuvent présenter des limites, telles que le biais de désirabilité sociale, la défensive/le déni ou le biais de réponse extrême.
Approche
Si l'utilisation de questions ouvertes est prometteuse, leur évaluation nécessite toutefois un travail manuel considérable et n'est donc pas souvent utilisée dans la pratique. Les nouvelles technologies issues du domaine de l'apprentissage automatique et du traitement du langage naturel (TAL) offrent des moyens de traiter automatiquement les textes. Toutefois, trois défis principaux se posent : (a) la plupart des recherches dans ce domaine s'appuient sur les réseaux sociaux, les données cliniques disponibles pour le TAL dans le domaine de la santé mentale sont rares, (b) la distinction clinique entre le burnout, la dépression et d'autres problèmes connexes est difficile à établir, car les symptômes peuvent se recouper, (c) il peut être difficile pour les groupes de patient-e-s concernés de s'exprimer par écrit.
Perspectives
Dans le cadre de ce projet, des chercheurs techniques et médicaux collaboreront étroitement avec un partenaire clinique afin de collecter des données transcrites provenant de différents groupes de patient-e-s souffrant de troubles mentaux, et parmi la population active sans signe clinique de trouble mental. Notre objectif est de développer un protocole de collecte de données qui s'intègre le plus harmonieusement possible dans le flux de travail clinique afin de limiter au maximum la charge de travail du partenaire clinique à long terme. Nous analyserons les données transcrites afin d'explorer les différences et les similitudes entre les groupes et de développer un modèle permettant d'identifier les signes de burn-out, de dépression et d'anxiété dans des données textuelles en allemand.
