Analyse automatique de données de santé mentale pour le diagnostic précoce

Mots clés

TAL, données, santé mentale, LLM, discours, sémantique

Détail de l'offre

Le projet s'intéresse au développement de solution logicielle pour le diagnostic précoce, le diagnostic et le suivi de patient souffrant de pathologie mentale. Pour cela, la thèse consistera dans un premier temps à recueillir des données dans le milieu hospitalier, puis à proposer des modèles de langues (LLM) adaptés aux spécificités de ces données et enfin proposer un transfert des résultats vers les cliniciens pour une prise en charge améliorées des patients

Le projet s'inscrit d'une part dans l'axe sur la santé autonome du PEPR Santé Numérique et d'autre part dans la collaboration avec l'hôpital de Nice dans la suite du projet MePheSto, projet Inria-DFKI.

L'objectif global du projet est de développer un cadre/une base méthodologique pour la validation scientifique des phénotypes numériques pour les troubles psychiatriques basés sur des données multimodales, intégrant la parole, la vidéo et les signaux biologiques provenant d'interactions sociales cliniques. La collaboration avec le partenaire hospitalier à Nice reste ouverte car plusieurs perspectives sur des patients non diagnostiqués sont ouvertes.

Sur la base de biomarqueurs captées en situation réelle (voie, comportement oculaire, discours), une étape sera de définir automatiquement des élément caractéristiques pourtant être utilisés pour définir des traitements personnalisés plus efficaces, plus acceptables et plus fiables sur une longue période, tout en réduisant le risque d'effets secondaires indésirables. Ces enjeux sont particulièrement utiles dans le cas des troubles du sommeil, des addictions et des troubles mentaux, pathologies où l'évolution de la maladie peut varier significativement d'un patient à l'autre, car sur des affections de longue durée qui nécessitent souvent une prise en charge médicale continue (réévaluation des symptômes et des traitements, réévaluation paraclinique), nécessitant un traitement de longue durée avec des effets secondaires potentiellement graves ou un coût élevé et pouvant engager le pronostic vital des patients .

Dans l'ensemble, les thérapeutiques intégratives basées sur des biomarqueurs pronostiques ajustables sont un outil utile pour optimiser le traitement et améliorer les résultats des soins pour les patients souffrant de troubles. La création de ces nouvelles interventions confirmera la valeur ajoutée de la combinaison de biomarqueurs physiologiques (par exemple, vocaux) et comportementaux (par exemple la capacité de dialogue).

Le travail du doctorant sera de participer au recueil des données auprès des patients pour lesquels la contractualisation sera effective, à commencer par celui de Nice. Dans le même temps, le travail du doctorant le conduira à utiliser les outils de traitement de la langue du type LLM pour produire des représentations sémantiques des interactions. A partir de ces représentation, il aura pour mission de mettre au point une solution algorithmique pour identifier les caractéristiques de la défaillance dans le discours des patients.

Le partenaire PEPR Santé numérique sera très directement engagé dans la thèse avec un co-financement. Les problématiques du projet et de sante autonome restent distinctes et suffisamment proches pour que le travail doctoral bénéficie des deux dynamiques.

L'objectif est concrétiser un outil l'analyse de données spécifiques que sont des entretiens avec des patients souffrant de pathologie mentale pour le transférer aux experts cliniciens pour qui l'impact du projet serait très significatif. En effet, parvenir à proposer des éléments théoriques permettant d'expliquer le dysfonctionnement cognitif, et rendre tangible l'analyse de ces éléments par des outils automatiques présente un fort potentiel tant pour le diagnostic précoce, que le diagnostic au moment des crises, que le suivi au long cours des patients. Chaque prise en charge accélérée a un impact direct sur la santé du patient, son intégration sociale, et sur la vie des aidant du patient.