Table of Contents
Les réseaux sociaux sont devenus un espace d’expression essentiel, où les utilisateurs partagent leurs pensées, émotions et expériences, souvent à la recherche d’échanges et de soutien. Ce phénomène offre également une fenêtre d’observation unique pour détecter les signes de troubles mentaux comme la dépression, grâce aux traces numériques laissées en ligne.
Une nouvelle méthode de détection de la dépression sur les réseaux sociaux
Wenli Zhang, professeure assistante en systèmes d’information et analyse commerciale à l’Iowa State University, explique que sur les réseaux sociaux, les individus perçoivent souvent une séparation entre leur identité en ligne et leur identité réelle. Cette distance perçue, ainsi que l’anonymat relatif, facilite chez certains le partage d’émotions difficiles comme le désespoir ou des expériences douloureuses telles que le divorce ou la perte d’emploi. « Ce sont ces traces numériques que nous cherchons à extraire », précise-t-elle.
Avec son équipe, elle a développé un modèle d’apprentissage profond capable de détecter les symptômes de la dépression et les facteurs de risque à partir des publications sur les réseaux sociaux. Leur étude, publiée dans le Journal of Management Information Systems, se concentre sur la détection de la dépression, un trouble mental courant qui touche des millions d’adultes aux États-Unis.
La dépression, un enjeu de santé publique majeur
Selon le National Institute of Mental Health (NIMH), environ 21 millions d’adultes américains, soit 8,3 % de la population adulte, ont connu au moins un épisode dépressif majeur en 2021. Parmi eux, environ 61 % ont bénéficié d’un traitement. Wenli Zhang souligne que la dépression est souvent sous-diagnostiquée et sous-traitée, notamment en raison de la stigmatisation qui empêche certains patients de répondre honnêtement lors des consultations médicales.
« Notre objectif est d’offrir une méthode complémentaire pour identifier les personnes à risque, en utilisant les données accessibles publiquement sur les réseaux sociaux », explique la chercheuse.
Applications potentielles du modèle de détection
Le cadre de détection de la dépression, basé sur les connaissances approfondies, pourrait être utilisé par :
- Les entreprises de réseaux sociaux pour créer des systèmes d’alerte précoces, orientant les utilisateurs vers des ressources adaptées.
- Les professionnels de santé publique et les décideurs, qui pourraient analyser les données à l’échelle de populations pour mieux cibler les régions ou groupes démographiques nécessitant des services renforcés.
- Les chercheurs, qui bénéficieraient d’une opportunité unique de collecter des données longitudinales sur plusieurs années liées à différents événements mondiaux (guerres, pandémies, etc.).
Contrairement à d’autres approches qui analysent le ton général des publications (positif ou négatif), ce modèle compare les termes médicaux liés aux symptômes et risques de la dépression avec les messages postés par les individus sur les réseaux sociaux au fil du temps, ce qui améliore la précision.
Développement et performances du modèle
Le modèle a été entraîné à partir de plus de 1,3 million de publications archivées sur Reddit et de 2 500 entrées issues de WebMD. Il peut s’adapter à d’autres plateformes sociales et jeux de données. Une version en cours d’évaluation serait même capable d’identifier d’autres troubles mentaux.
Enjeux éthiques et protection de la vie privée
Bien que l’utilisation des réseaux sociaux pour détecter des signes de maladies chroniques puisse constituer une intervention économique et efficace, Wenli Zhang et ses collaborateurs insistent sur la nécessité de respecter des principes éthiques stricts.
Il est crucial que les plateformes sociales obtiennent le consentement éclairé des utilisateurs avant la collecte de données pour des modèles d’apprentissage automatique liés à la santé, même si ces données sont anonymisées. Cela inclut l’information sur les finalités de la collecte et sur l’utilisation des données. Les pratiques doivent également être conformes aux réglementations telles que le Règlement Général sur la Protection des Données (RGPD).
Les décideurs sont encouragés à créer des comités d’éthique intégrant des experts en confidentialité, en éthique des données et en santé mentale pour superviser les développements et usages de ces modèles. Par ailleurs, les chercheurs ont la responsabilité de communiquer clairement les avantages et limites de ces technologies au public et aux parties prenantes.
Perspectives d’évolution du projet
À l’avenir, l’équipe prévoit d’étendre ce modèle à d’autres domaines de santé comme le diabète, les maladies cardiovasculaires ou l’asthme. L’intégration de contenus multimédias (photos, vidéos, audio) issus des réseaux sociaux pourrait enrichir la collecte de données comportementales. Par exemple :
- Des images fréquentes d’aliments gras pourraient signaler un risque accru de maladies cardiovasculaires.
- Des photos montrant une pollution atmosphérique élevée pourraient alerter les personnes asthmatiques.
Wenli Zhang rappelle que l’apprentissage automatique ne remplace pas les soins traditionnels, mais constitue une approche complémentaire pour aider les individus et fournir des données à l’échelle des populations afin de mieux orienter les professionnels et les politiques de santé.