Systèmes d’aide à la décision clinique à l’aide de l’intelligence artificielle
Comment peut-on aider les personnes à suivre un plan de traitement ou à adopter des habitudes de santé plus saines lorsqu’elles recourent à un service de santé en ligne sans intervention humaine? C'est la question à laquelle tentent de répondre Éric Granger, professeur à l’ÉTS, et Simon Bacon, de l’université Concordia et du Centre de recherche du CIUSSS du Nord de l’île de Montréal!
Grâce à une subvention octroyée en 2021 par le Fonds de recherche québécois (FRQ), les deux collaborateurs ont pu unir leurs expertises au sein de la Chaire de recherche en intelligence artificielle et santé numérique pour le changement des comportements de santé.
Étudier l'ambivalence pour favoriser la motivation
Des études ont démontré que l’ambivalence d’une personne, c’est-à-dire le tiraillement entre son désir de changer et les motifs qui l’empêchent de le faire, a une incidence sur sa capacité à adopter des comportements plus sains. Or, les expressions non verbales fournissent des indices subtils sur l’ambivalence d’une personne, et celles-ci ne sont pas prises en compte lors d’une intervention en ligne, car il n’y pas d’être humain pour les interpréter.
Cela pourrait changer grâce aux travaux du professeur Granger, un spécialiste en sciences des données. Le professeur et son équipe comptent élaborer un algorithme en mesure d’interpréter le langage non verbal des utilisateurs de ces services. En détectant son ambivalence et même sa détresse ou sa démotivation, le service adapterait ses interventions de manière à ce qu’elles soient personnalisées à l’état émotif de l’utilisateur.
Assigner un état émotif à une combinaison de données
D’ici là, il faudra d’abord passer au crible une quantité importante de données multimodales extraites de vidéos. Grâce à des modèles spécialisés en apprentissage profond, il sera possible d’assigner avec précision un état émotif à une combinaison de données provenant de diverses sources (par exemple, des images et des sons) qui regroupent, par exemple l’expression du visage, l’intonation de la voix, la gestuelle ou la posture. Il faudra aussi améliorer la performance des réseaux de neurones profonds dans la reconnaissance des expressions, car bien que ces derniers soient performants dans plusieurs types d’application, ils ont tendance à se dégrader lorsqu'il existe un nombre réduit de données et une diversité de sources.
Le fruit de ces recherches permettra d’établir des interventions qui auront une incidence sur la modification des comportements en santé, notamment sur l’inactivité physique et la mauvaise alimentation qui représentent jusqu’à 80 % du risque de maladies chroniques non transmissibles.
L'ÉTS : fièrement propulsée par le FRQ
Grâce à un financement de 1,5 M$ sur trois ans de la part du Fonds de recherche du Québec (FRQ), l’École de technologie supérieure (ÉTS) a accueilli, en 2021, deux chaires de recherche sur l’intelligence artificielle appliquée au domaine de santé :
- Chaire de recherche sur le développement et validation de systèmes d'aide à la décision clinique à l'aide de l'intelligence artificielle
- Chaire de recherche en intelligence artificielle et santé numérique pour le changement des comportements de santé.
Ce programme de chaires, qui s’appuie sur l’expertise de deux cotitulaires dans des domaines complémentaires, permet de former du personnel qualifié qui sera apte à travailler dans un domaine combinant l’intelligence artificielle et la santé.
Chantal Crevier
Service des communications et du recrutement étudiant
514 396-8800, poste 7893