Optimising supervised machine learning algorithms predicting cigarette cravings and lapses for a smoking cessation just-in-time adaptive intervention (JITAI)

Cette étude démontre que, bien que les algorithmes d'apprentissage automatique puissent détecter les risques de rechute dans le cadre d'une intervention adaptative pour l'arrêt du tabac, leurs performances globales restent modestes et variables d'un individu à l'autre, suggérant que leur déploiement réel nécessitera une combinaison avec des approches basées sur des règles plutôt que leur utilisation isolée.

L'essentiel

🚬 Le pari du détective : Peut-on prédire quand un fumeur va craquer ?

Imaginez que vous essayez d'arrêter de fumer. C'est comme essayer de traverser une rivière pleine de crocodiles (les envies de fumer) sans tomber à l'eau (la rechute). Le but de cette étude était de créer un système d'alerte précoce (un "détective numérique") capable de vous dire : "Attention ! Dans 30 minutes, tu vas avoir une envie folle de fumer, prépare-toi !"

Pour cela, les chercheurs ont utilisé une application sur smartphone pour poser des questions aux fumeurs tout au long de la journée. Mais il y avait un gros problème : trop de questions fatiguent les gens, et s'ils arrêtent de répondre, le détective devient aveugle.

L'étude a donc cherché à trouver le juste milieu : Combien de questions faut-il poser pour que le détective soit efficace sans épuiser le fumeur ?

Voici les 4 grandes découvertes de l'étude, expliquées simplement :

1. Le dilemme du "Trop d'infos" (La fréquence des questions)

Les chercheurs ont testé différents scénarios : poser 16 questions par jour (une toutes les heures) ou seulement 3 ou 4.

• L'analogie : Imaginez que vous essayez de prédire la météo.
  • Si vous regardez le ciel toutes les heures, vous avez beaucoup de données, mais vous êtes épuisé.
  • Si vous regardez 3 fois par jour, vous avez moins de données.
• Le résultat surprenant : Pour prédire une rechute (avoir fumé une cigarette), moins de questions fonctionnaient mieux !
  • Pourquoi ? Parce que poser 16 questions par jour crée du "bruit". Les gens répondent vite, sans réfléchir, ou s'énervent. En réduisant à 3 ou 4 questions bien placées, les réponses étaient plus honnêtes et plus utiles pour l'algorithme.
  • Cependant, pour prédire une envie (le désir de fumer), il faut plus de questions. Les envies sont comme des vagues qui montent et descendent vite ; si vous ne les regardez pas souvent, vous les ratez.

2. Le détective et ses outils (Les variables)

L'algorithme utilisait beaucoup de données : l'heure, l'humeur, le lieu, si la personne était stressée, si elle avait bu du café, etc. Les chercheurs se sont demandé : "Faut-il garder tous ces outils ou en enlever certains pour simplifier ?"

• L'analogie : C'est comme un couteau suisse. A-t-il besoin de 50 outils pour couper une pomme, ou un seul couteau suffit-il ?
• Le résultat : Pour prédire la rechute, enlever des outils n'a pas changé grand-chose. L'algorithme était déjà très bon avec les infos essentielles (humeur, stress, envie). On peut donc simplifier l'application pour qu'elle soit plus légère et moins lourde à utiliser, sans perdre en efficacité.

3. L'apprentissage personnalisé (Les données du fumeur)

Les chercheurs ont testé deux méthodes pour entraîner le détective :

1. Le détective généraliste : Il apprend avec les données de tout le monde (37 personnes).
2. Le détective personnalisé : Il apprend avec les données de tout le monde, mais il "regarde" aussi les premiers jours de la personne qu'il aide pour s'adapter à elle (comme un "warm start").

• L'analogie : C'est comme un coach de sport.
  • Le coach généraliste connaît les règles de base du sport.
  • Le coach personnalisé observe vos premiers entraînements pour savoir si vous êtes plutôt du matin ou du soir.
• Le résultat : Pour prédire la rechute, le coach personnalisé a un peu mieux deviné les moments critiques. Mais pour prédire les envies, le coach généraliste (qui ne vous connaît pas encore) s'en est mieux sorti !
  • Leçon : Parfois, essayer de trop s'adapter trop vite peut embrouiller le système. Un modèle généraliste bien réglé peut suffire.

4. La prédiction n'est pas une boule de cristal (La performance globale)

C'est le point le plus important. Même avec les meilleurs réglages, le détective n'était pas parfait.

• Il arrivait à repérer les moments à risque un peu mieux que le hasard (comme un détective qui a un bon flair), mais il se trompait souvent.
• L'analogie : Imaginez un radar anti-collision dans une voiture. Il ne vous dit pas exactement quand vous allez percuter un mur, mais il vous dit "Attention, il y a un risque ici, ralentis !".
• Conclusion : On ne peut pas se fier à 100 % à l'ordinateur pour prendre la décision. Il faut le combiner avec des règles simples (ex: "Si tu as bu de l'alcool, envoie un message de soutien") et l'intuition humaine.

🎯 En résumé : Que faut-il retenir ?

Cette étude nous dit que pour aider les gens à arrêter de fumer avec une application intelligente :

1. Ne pas surcharger l'utilisateur : Poser 3 ou 4 questions par jour suffit souvent, et c'est même mieux que d'en poser 16 pour détecter les rechutes.
2. Garder ça simple : On n'a pas besoin de 50 questions différentes ; les infos sur l'humeur et le stress suffisent.
3. L'humain reste roi : L'application ne doit pas être un chef d'orchestre tout-puissant, mais un compagnon de route qui donne des alertes. Si l'application dit "Risque élevé", l'application doit envoyer un message de soutien, mais il faut aussi que l'utilisateur garde ses propres stratégies.

Le mot de la fin : La technologie est un outil puissant pour aider à arrêter de fumer, mais elle doit être utilisée avec sagesse, sans être trop intrusive, et toujours en complément de l'effort personnel.

Résumé technique

1. Problématique et Contexte

Les interventions adaptatives en temps réel (JITAI) pour l'arrêt du tabac visent à fournir un soutien personnalisé lors des moments à haut risque de rechute. Cependant, leur mise en œuvre se heurte à un dilemme fondamental : collecter suffisamment de données pour entraîner des algorithmes prédictifs performants sans imposer une charge excessive aux utilisateurs (via des évaluations écologiques momentanées ou EMA trop fréquentes).

L'étude vise à optimiser l'équilibre entre la charge de l'utilisateur et la performance de l'algorithme en examinant systématiquement l'impact de trois facteurs sur la prédiction des moments à haut risque (lapses et envies intenses) :

1. La fréquence des sollicitations EMA (nombre de sondages par jour).
2. Le nombre de variables prédictives (réduction des caractéristiques).
3. La source des données d'entraînement (données de groupe vs données personnalisées "warm-start").

2. Méthodologie

Données et Échantillon :

• Source : Analyse secondaire de données EMA collectées auprès de 37 fumeurs (moyenne d'âge : 42,97 ans, 62,2 % de femmes) durant les 10 premiers jours de leur tentative d'arrêt.
• Protocole initial : 16 EMA par jour (toutes les heures de veille) mesurant l'humeur, le contexte, les comportements, les envies de fumer et les lapses.
• Variables : 34 variables au total (12 variables inter-individuelles collectées à la base, 22 variables intra-individuelles collectées à chaque EMA).

Conception de l'étude :
Les chercheurs ont entraîné et testé des algorithmes de Forêt Aléatoire (Random Forest - RF) pour prédire deux résultats distincts :

1. Lapses : Un événement de consommation de cigarette survenu entre deux EMA.
2. Envies intenses (Cravings) : Une envie rapportée ≥ 7 sur une échelle de 0 à 10.

Manipulations expérimentales :

• Fréquence des EMA : Comparaison de modèles entraînés sur des sous-ensembles de données réduits à 3, 4, 5, 6 et 16 EMA par jour (choisis de manière quasi-aléatoire pour couvrir la journée).
• Sélection de caractéristiques (Feature Selection) : Comparaison entre l'utilisation de l'ensemble complet des prédicteurs (57 variables après encodage) et un sous-ensemble optimal sélectionné par élimination récursive des caractéristiques avec validation croisée (RFE-CV).
• Données d'entraînement : Comparaison d'algorithmes de niveau groupe (sans données du participant testé) et hybrides (incluant 10 %, 20 % ou 30 % des données chronologiques du participant testé dans l'ensemble d'entraînement).

Métriques de Performance :
L'évaluation a été réalisée via des modèles linéaires mixtes (GLMM) pour tenir compte du regroupement des données au sein des individus. Les métriques principales étaient :

• Score F1 : Moyenne harmonique de la précision et du rappel (équilibre entre faux positifs et faux négatifs).
• ROC-AUC : Capacité globale de discrimination du modèle.
• Sensibilité et spécificité (métriques secondaires).

3. Résultats Clés

Performance Globale :
La performance globale était modeste avec une forte variabilité inter-individuelle. De nombreuses configurations ont échoué à atteindre les seuils minimaux de performance couramment acceptés (notamment pour le score F1 < 0,5).

• Lapses : Médiane F1 = 0,436 ; Médiane ROC-AUC = 0,659.
• Envies (Cravings) : Médiane F1 = 0,400 ; Médiane ROC-AUC = 0,628.
• Observation : La prédiction des lapses était globalement supérieure à celle des envies, notamment en termes de ROC-AUC.

Impact de la Fréquence des EMA :

• Pour les Lapses : Contre-intuitivement, la réduction de la fréquence des EMA a amélioré le score F1 (de 0,254 à 16 EMA/jour jusqu'à 0,588 à 3 EMA/jour). Cependant, le ROC-AUC a légèrement diminué ou resté stable, indiquant que moins de données améliorent l'équilibre précision/rappel mais pas nécessairement la capacité de discrimination globale.
• Pour les Envies : La réduction de la fréquence a entraîné une baisse systématique et significative de la performance sur les deux métriques (F1 et ROC-AUC). Cela suggère que les envies, étant plus fluctuantes, nécessitent une densité de données plus élevée pour être prédites correctement.

Impact de la Sélection de Caractéristiques (Feature Selection) :

• Lapses : La réduction du nombre de prédicteurs a eu un impact négligeable sur la performance (F1 et ROC-AUC restés stables).
• Envies : La sélection de caractéristiques a légèrement dégradé la performance (baisse significative du ROC-AUC).

Impact des Données Personnalisées (Hybride vs Groupe) :

• Lapses : L'inclusion de données personnelles (jusqu'à 30 %) a amélioré le score F1 (meilleure identification des vrais positifs), mais n'a pas significativement amélioré le ROC-AUC.
• Envies : L'inclusion de données personnelles a détérioré la performance (baisse du ROC-AUC et du F1), suggérant que l'approche "warm-start" n'est pas bénéfique pour la prédiction des envies dans ce contexte spécifique.

4. Contributions et Implications Techniques

Contributions Principales :

1. Optimisation du compromis Charge/Performance : L'étude démontre qu'il est possible de réduire la charge de l'utilisateur (de 16 à 3-6 EMA/jour) sans sacrifier, voire en améliorant, certaines métriques de performance pour la prédiction des lapses.
2. Spécificité des résultats selon l'issue : Il n'existe pas de stratégie universelle ; la prédiction des lapses et des envies réagit différemment aux changements de fréquence et de personnalisation.
3. Faisabilité des modèles de groupe : Les algorithmes de niveau groupe (sans données personnelles d'entraînement) peuvent atteindre une performance discriminative (ROC-AUC) comparable aux modèles hybrides, ce qui simplifie considérablement le déploiement technique et les problèmes de confidentialité.

Implications pour les JITAI :

• Stratégie de déploiement : Un modèle de groupe prédisant les lapses, utilisant 3 à 6 EMA par jour et un ensemble de prédicteurs réduit (sélectionnés par RFE), semble être l'approche la plus pragmatique pour un JITAI futur.
• Limites de l'automatisation pure : En raison de la variabilité inter-individuelle et de la performance modeste globale, l'utilisation exclusive de l'apprentissage automatique est insuffisante. L'auteur recommande une approche hybride combinant les prédictions algorithmiques à des règles décisionnelles basées sur l'humain ou des heuristiques cliniques.
• Ajustement des seuils : Le seuil de classification fixe à 0,5 n'est peut-être pas optimal. Pour les JITAI, il pourrait être préférable d'ajuster dynamiquement les seuils pour privilégier la sensibilité (éviter de manquer un moment à haut risque) au détriment de la spécificité.

5. Conclusion et Signification

Cette étude met en lumière que si l'apprentissage automatique basé sur les EMA peut capturer des signaux de risque significatifs pour l'arrêt du tabac, sa performance est loin d'être parfaite et varie considérablement d'un individu à l'autre.

La découverte la plus notable est que moins de données (moins de sondages) peuvent parfois conduire à de meilleurs scores F1 pour la prédiction des lapses, probablement en réduisant le bruit ou en évitant la surcharge cognitive qui affecte la qualité des réponses. Cependant, la prédiction des envies reste plus difficile et nécessite une densité de données plus élevée.

L'étude conclut que pour une mise en œuvre réelle, il est préférable de privilégier des modèles parcimonieux (peu de variables, fréquence modérée des sondages) et de combiner les prédictions algorithmiques avec des règles décisionnelles complémentaires, plutôt que de s'appuyer uniquement sur des modèles complexes et personnalisés qui ne garantissent pas une amélioration systématique de la performance.