Mental Health Disorder Detection Beyond Social Media: A Systematic Review of Available Datasets
Cet article présente la première revue systématique exhaustive des ensembles de données de textes libres non issus des médias sociaux pour la détection des troubles de la santé mentale, révélant une dominance actuelle des études sur la dépression en langue anglaise tout en mettant en évidence des lacunes critiques et des opportunités pour développer des ressources plus diversifiées, fiables et cliniquement pertinentes.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez le monde de la recherche en santé mentale comme une immense bibliothèque essayant de construire un « kit de détective » pour repérer les personnes en difficulté psychologique. Pendant des années, cette bibliothèque a été principalement remplie de livres écrits par des gens publiant sur les réseaux sociaux (comme Twitter ou Reddit). Bien que ces publications soient faciles à récupérer, elles sont comme si l'on cueillait des fruits d'un arbre spécifique dans un quartier précis ; ils pourraient ne pas représenter toute la forêt, et parfois, le fruit est pourri ou trompeur.
Ce document est une revue systématique (une recherche très organisée et minutieuse) qui pose la question : « Quels autres livres se trouvent dans la bibliothèque que nous n'avons pas encore consultés ? » Plus précisément, les auteurs ont recherché des données non issues des réseaux sociaux — des textes provenant de vrais médecins, de cliniques, de séances de thérapie et d'hôpitaux.
Voici la décomposition de leurs conclusions, en utilisant des analogies simples :
1. La « barrière de la langue » (Le club réservé à l'anglais)
Les auteurs ont constaté que la bibliothèque est massivement dominée par l'anglais.
- La réalité : Environ 62 % des ensembles de données sont en anglais. Le chinois est la langue suivante la plus courante (environ 18 %), mais tout le reste (coréen, polonais, arabe, etc.) est à peine représenté.
- L'analogie : Imaginez que vous essayez d'apprendre à un robot à comprendre la tristesse humaine, mais que vous ne le nourrissez qu'avec des histoires écrites en anglais. Le robot pourrait devenir très doué pour comprendre la tristesse d'un Américain ou d'un Britannique, mais il sera complètement perdu face à une personne parlant coréen ou arabe. Les auteurs disent que nous devons arrêter de construire la bibliothèque dans une seule langue.
2. L'« obsession de la dépression » (L'étagère à sujet unique)
Lorsque les auteurs ont examiné les troubles de la santé mentale couverts par ces ensembles de données, ils ont trouvé un déséquilibre massif.
- La réalité : La grande majorité de ces ensembles de données se concentrent sur la dépression. Il y en a aussi sur l'anxiété et le suicide, mais d'autres conditions graves comme la schizophrénie, le SSPT (trouble de stress post-traumatique) ou le trouble bipolaire sont comme des livres rares et poussiéreux que presque personne n'a ouverts.
- L'analogie : C'est comme une salle d'attente de médecin où tous les magazines traiteraient de « Comment se sentir triste ». Si vous arrivez avec un problème différent (comme une fracture ou de la fièvre), vous ne trouverez aucune information pour vous aider. La recherche est trop concentrée sur un seul type de lutte mentale.
3. La « source des histoires » (D'où proviennent les données)
Le document catégorise l'origine de ces textes. Contrairement aux publications sur les réseaux sociaux, il s'agit de dossiers « officiels ».
- La réalité : La plupart des données proviennent de contextes cliniques (cabinets médicaux, hôpitaux). Les textes sont des éléments tels que :
- Des transcriptions d'entretiens : Un médecin parlant à un patient.
- Des dossiers de santé électroniques (DSE) : Les notes numériques qu'un médecin écrit après une visite.
- Des résumés de sortie : Des notes écrites lorsqu'un patient quitte l'hôpital.
- Des discussions de thérapie : Des textes issus de séances de thérapie en ligne.
- L'analogie : Les données des réseaux sociaux sont comme si l'on écoutait des inconnants discuter dans un café. Ces ensembles de données cliniques sont comme la lecture du journal intime d'un patient ou du dossier officiel d'un médecin. Ils sont beaucoup plus détaillés et précis, mais ils sont aussi verrouillés derrière des portes lourdes (lois sur la vie privée) de sorte que vous ne pouvez pas simplement entrer et les saisir.
4. Le « jeu de l'étiquetage » (Comment ils savent de quoi il s'agit)
Pour entraîner un ordinateur à détecter les problèmes de santé mentale, des humains doivent « étiqueter » les données (marquer quel texte appartient à une personne déprimée, à une personne anxieuse, etc.). Le document a trouvé trois principales façons de procéder :
- Le standard d'excellence (Outils cliniques) : Les médecins utilisent des codes officiels comme le DSM (Manuel diagnostique et statistique des troubles mentaux) ou l'CIM (Classification internationale des maladies). C'est comme un juge utilisant un code juridique strict pour rendre un verdict. C'est le plus fiable, mais cela demande beaucoup de temps et d'argent.
- L'auto-évaluation (Questionnaires) : Les patients remplissent des formulaires comme le PHQ-9 (une liste de contrôle de la dépression) ou le BDI. C'est comme si le patient remplissait un sondage disant : « Oui, je me sens triste ». C'est plus rapide, mais cela repose sur le fait que le patient soit honnête et précis.
- L'intuition humaine (Manuel/Mots-clés) : Parfois, les chercheurs lisent simplement le texte et devinent, ou cherchent des mots spécifiques comme « triste » ou « désespoir ». C'est la méthode la moins fiable, comme essayer de trouver une aiguille dans une botte de foin en cherchant simplement le mot « aiguille ».
5. Les « portes verrouillées » (Disponibilité)
C'est un obstacle majeur.
- La réalité : Beaucoup des meilleurs ensembles de données (ceux qui ont le plus de citations et de haute qualité) sont restreints. Vous ne pouvez pas simplement les télécharger. Vous devez signer un accord juridique (Accord d'utilisation des données) promettant de ne pas faire un mauvais usage des données.
- L'analogie : Les ingrédients les plus précieux du « kit de détective » se trouvent dans un coffre-fort de haute sécurité. Vous pouvez les voir, mais vous ne pouvez les utiliser que si vous possédez une clé spéciale et promettez d'être très prudent. Cela rend difficile pour les nouveaux chercheurs de construire sur le travail des autres.
6. Les « pièces manquantes » (Et après ?)
Les auteurs concluent par quelques lacunes claires qui doivent être corrigées :
- Nous avons besoin de plus de langues : Nous ne pouvons pas nous contenter de l'anglais.
- Nous avons besoin de plus de variété : Nous devons étudier des conditions autres que la dépression.
- Nous avons besoin de meilleures règles : Les chercheurs doivent être plus clairs sur la manière dont ils ont étiqueté leurs données. Si une équipe utilise un test médical strict et qu'une autre équipe se contente de deviner, nous ne pouvons pas comparer leurs résultats équitablement.
- L'outil du futur : Le document suggère que les nouveaux outils d'IA (comme les modèles de langage avancés) pourraient aider à automatiser le processus d'étiquetage, agissant comme un « assistant intelligent » pour aider les médecins à étiqueter les données plus rapidement et plus systématiquement, bien qu'ils aient toujours besoin d'une supervision humaine.
En résumé :
Ce document est une carte montrant que, bien que nous disposions de certaines données « cliniques » de haute qualité pour aider à détecter les problèmes de santé mentale, notre carte est incomplète. Elle est écrite principalement en anglais, se concentre presque exclusivement sur la dépression, et les meilleures cartes sont enfermées dans des coffres-forts. Pour construire un système véritablement utile pour tous, nous devons ouvrir plus de portes, traduire les cartes dans plus de langues et commencer à dessiner les parties de la carte qui sont actuellement vides.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.