Deux universités américaines ont mis au point une intelligence artificielle capable de prédire avec précision les risques de suicide concernant un individu. Cette I.A se base sur des données issues de dossiers médicaux à risque.
Les chercheurs de l’Université de Vanderbilt et de l’Université de Floride (États-Unis) pensent que leur méthode pourrait compléter les études cliniques habituelles afin de mieux prévenir le suicide. Les résultats de ces recherches ont été publiés dans la revue Clinical Psychological Science le 11 avril 2017.
L’I.A serait en capacité d’évaluer précisément les risques de suicide chez certains patients en analysant différentes données les concernant : âge, profession et antécédents médicaux.
Dans une liste de patients accueillis à l’hôpital entre 1998 et 2015, les chercheurs ont relevé 5 167 cas d’automutilation. Ensuite, il a fallu séparer ces patients en deux groupes, à savoir ceux qui ont commis une tentative de suicide et ceux qui se sont volontairement blessés sans avoir tenu à en finir.
Les prédictions de l’I.A s’avèrent plus précises en fonction de la proximité dans le temps de l’hypothétique tentative de suicide. Ainsi, le taux de précision est situé entre 80 et 90 % lorsque l’on cherche à savoir si quelqu’un va se suicider durant les deux années à venir.
Colin Walsh, spécialiste des données à l’université Vanderbilt et médecin généraliste, indique que l’I.A se base sur « une combinaison des facteurs de risque » sans pour autant en révéler le fonctionnement exact. Parmi ces facteurs à risque, les scientifiques prennent par exemple très au sérieux les troubles du sommeil.
Les chercheurs ne veulent pas remplacer les études cliniques existantes, mais simplement les épauler. Nous ne parlerons pas ici de solution miracle, c’est la raison pour laquelle les experts restent sur la réserve comme l’indique Colin Walsh :
« Nous restons prudents. En comparaison avec l’approche statistique conventionnelle, il est beaucoup plus facile et rapide de construire de mauvais modèles de prédiction avec le machine learning.
Mais s’il est bien fait, nous sommes convaincus qu’il est plus précis et facile à implémenter que les outils traditionnels et manuels. C’est une question d’efficacité : mettons-le en place et voyons si c’est utile. »
