Une nouvelle étude menée par des chercheurs de l’université de Californie à San Diego a démontré comment l’analyse de la parole à l’aide d’outils d’intelligence artificielle peut prédire efficacement le degré de solitude chez les personnes âgées.
Fournir une mesure objective de la solitude
Le traitement du langage naturel (TLN) est un terme général qui englobe une variété de techniques analysant de grands volumes de parole et de texte naturels non structurés. Avec les progrès de l’intelligence artificielle et des systèmes d’apprentissage automatique, un certain nombre d’études préliminaires fascinantes ont commencé à suggérer que des affections telles que la psychose, le stress post-traumatique, le trouble bipolaire et la dépression pouvaient toutes être détectées simplement en analysant les schémas de parole d’une personne.
Dans le cadre de ces travaux publiés dans The American Journal of Geriatric Psychiatry, une équipe de chercheurs a cherché à savoir si de tels outils pouvaient détecter efficacement la solitude, problème de santé croissant ayant été décrit comme un facteur de mortalité prématurée plus important que l’obésité. Selon Ellen Lee, auteure principale de cette nouvelle recherche, la solitude représente une condition particulièrement difficile à quantifier, c’est pourquoi il est aujourd’hui indispensable de disposer d’une mesure objective de celle-ci.
La plupart des études utilisent soit un questionnement direct (« Vous sentez-vous régulièrement seul ? »), ce qui peut conduire à des réponses biaisées en raison de la stigmatisation associée à la solitude, soit l’échelle de solitude de l’UCLA, qui n’utilise pas explicitement le mot « solitude ». « Pour ce projet, nous avons utilisé le traitement du langage naturel ou TLN, une évaluation quantitative impartiale des émotions et des sentiments exprimés, de concert avec les outils habituels de mesure de la solitude », explique Lee.
Une précision de 94 %
Les chercheurs ont recruté 80 personnes âgées. La solitude de chaque sujet a été évaluée à l’aide d’outils classiques de mesure de la solitude, ainsi qu’au moyen d’un entretien semi-structuré plus long, d’une durée maximale de 90 minutes. Les entretiens ont été transcrits puis analysés à l’aide d’un système d’IA spécialisé dans l’analyse du langage naturel développé par IBM. En plus de détecter la solitude chez des sujets non pris en compte par les évaluations conventionnelles, le dispositif a également mis en évidence des différences dans la façon dont les hommes et les femmes évoquaient la solitude.
« Le TLN et l’apprentissage automatique nous permettent d’examiner systématiquement de longs entretiens avec de nombreuses personnes et d’explorer comment des caractéristiques subtiles du discours, comme les émotions, peuvent indiquer la solitude », explique Varsha Badal, première auteure de l’étude. « Des analyses similaires effectuées par des humains seraient susceptibles d’être biaisées, manqueraient de cohérence et nécessiteraient une formation approfondie pour être standardisées. »
Le système d’IA était en mesure de déterminer le degré de solitude d’un sujet avec une précision de 94 %. Plus une personne se sentait seule, plus ses réponses aux questions directes sur la solitude étaient longues. D’après les chercheurs, la présence d’une sorte de modèle de « discours solitaire » pourrait même être utilisée à l’avenir pour surveiller le bien-être des sujets plus âgés.
Des différences notables entre hommes et femmes
En analysant les résultats, l’équipe a par ailleurs constaté que les sujets féminins étaient plus susceptibles d’exprimer explicitement leur sentiment de solitude au cours de leurs entretiens, ce qui constitue selon les chercheurs un aperçu des différences pouvant exister entre hommes et femmes à ce sujet.
La prochaine étape de la recherche consistera à combiner d’autres données de capteurs dans les évaluations (telles que le suivi par GPS et les données relatives au sommeil) afin de personnaliser chaque résultat individuel. En outre, le système devra être testé sur des populations plus larges et plus diversifiées afin d’en affiner la précision.
« À terme, des systèmes d’IA complexes pourraient intervenir en temps réel pour aider les individus à réduire leur solitude en adoptant des modèles de pensée plus positifs, en gérant l’anxiété sociale et en s’engageant dans des activités sociales significatives », concluent les auteurs de l’étude.
