Des études en cours portent sur l’utilisation de l’IA pour identifier les personnes âgées présentant un risque de dépression

Un modèle d’IA, appelé HOPE, utilise la technologie de détection Wi-Fi pour analyser les activités quotidiennes des personnes âgées à leur domicile

Une chercheuse de l’Institut Lady Davis (ILD) à l’HGJ a posé les bases de ce qu’elle espère sera éventuellement l’utilisation de l’intelligence artificielle (IA) pour aider à prédire le risque de dépression chez les personnes âgées.

Dans une étude publiée dans JMIR Aging, la professeure Samira Abbasgholizadeh Rahimi, chercheuse principale à l’ILD, utilise l’IA et la technologie de détection Wi-Fi pour déterminer si la dépression est plus susceptible de se produire chez les personnes âgées dont le sommeil est interrompu régulièrement ou insuffisant.  

Après avoir effectué des recherches supplémentaires, la professeure Rahimi pense que les résultats pourraient devenir la base d’un outil intelligent qui aiderait les personnes proches aidantes, les médecins de famille, les gériatres et d’autres professionnels de la santé à reconnaître les signes précurseurs de la dépression chez les personnes âgées.

« Certain(e)s professionnel(le)s de la santé sont déjà formé(e)s pour être attentive(tive)s aux problèmes potentiels de leurs patient(e)s âgé(e)s », explique la professeure Rahimi, codirectrice de la Collaboratif pour l’IA et la société McGill. « J’espère qu’un jour l’IA pourra compléter leurs compétences en cernant la possibilité d’une dépression à un stade plus précoce. »

Madame Rahimi, professeure adjointe à l’université McGill et à l’Institut Mila-Québec d’IA, a développé le Home-based Older Adults’ Depression Prediction (HOPE), un nouveau modèle d’IA qui a surveillé les activités quotidiennes et les habitudes de sommeil de cinq personnes âgées (65 ans et plus) pendant six mois, en 2023.

À cette fin, deux ou trois appareils Wi-Fi de détection intelligente ont été installés dans chaque résidence : un dans la chambre, un autre dans le salon et, si le domicile était grand, un troisième à un autre endroit. De cette manière, l’information concernant ces personnes était recueillie de manière non intrusive et avec un niveau élevé de précision.

Les données étaient transmises au laboratoire de la professeure Rahimi, où elles étaient analysées par le modèle d’IA HOPE, qui examinait le temps passé à dormir, à préparer les repas, à se déplacer d’une pièce à l’autre et à effectuer d’autres activités. C’est ce qui a permis à HOPE de déterminer les modèles de comportement associés aux signes précoces de dépression.

La technologie de détection Wi-Fi a été utilisée parce que la professeure Rahimi savait par expérience que plusieurs personnes âgées sont rebutées par l’aspect intrusif des dispositifs numériques portables ou d’autres appareils semblables qui sont en contact avec le corps pendant de longues périodes.   

« Nous voulions utiliser une technologie de collecte de données qui était ininterrompue, précise et non contraignante pour ces personnes », ajoute-t-elle.

Outre la collecte de données démographiques au sujet des personnes âgées, l’équipe de la professeure Rahimi a utilisé une série de tests validés cliniquement et couramment utilisés pour évaluer la dépression, la santé physique et les fonctions cognitives des personnes âgées.

Pour ajouter un élément personnel à l’étude, elle et ses collègues se sont également entretenu(e)s avec les personnes âgées afin de mieux comprendre ce que ces dernières éprouvaient et vivaient pendant leurs activités quotidiennes.

Pour développer le modèle HOPE, l’équipe a analysé une foule de données Wi-Fi ainsi que des résultats évalués d’un point de vue clinique. Parmi plusieurs constatations clés, le modèle a cerné une association claire entre les symptômes de dépression et le sommeil interrompu ou insuffisant chez les personnes âgées.

Bien que le programme d’IA a tenu compte des différents types d’activités à domicile, le sommeil a été le seul facteur méritant une attention plus soutenue, ajoute la professeure Rahimi.

« Il est passionnant de voir des chercheur(euse)s et d’autres professionnels explorer le potentiel de l’IA de tellement de manières différentes », souligne le professeur Maxime Cohen, chef de la Stratégie d’IA au CIUSSS du Centre-Ouest-de-l’Île-de-Montréal.
 
« Même si toutes les idées n’aboutissent pas, l’IA a malgré tout une incidence profonde : elle renouvelle la motivation des professionnels de la santé à examiner de nouvelles approches novatrices afin d’améliorer la qualité, la précision et l’efficacité des soins. »
 
« Il est tout aussi important de souligner que l’IA constitue un outil de prédiction très prometteur qui pourra nous aider à anticiper les défis avant qu’ils ne surviennent et à déceler les petits problèmes avant qu’ils ne deviennent des crises majeures. »

Maintenant que les principes de base ont été établis, la prochaine étape pour la professeure Rahimi consiste à poursuivre ses recherches auprès d’un groupe plus vaste de personnes âgées.

Éventuellement, elle espère que les prestataires de soins, formels et informels, pourront utiliser le modèle HOPE pour déceler les signes avant-coureurs de dépression chez les patients(e)s âgé(e)s grâce à des appareils Wi-Fi installés à leur domicile qui recueilleront des données sur leur comportement, particulièrement sur la qualité de leur sommeil.

La professeure Rahimi ajoute qu’un tel outil serait idéal pour les personnes âgées qui, pour une raison ou une autre, hésitent à se rendre dans une clinique ou à subir régulièrement des examens médicaux.

« Cet outil permettrait à leurs personnes proches aidantes ou à leurs médecins de leur proposer des interventions personnalisées adaptées à leurs besoins particuliers », affirme-t-elle.

« En rationalisant la collecte et l’analyse des données, l’IA nous permet de cerner les signes précurseurs plus rapidement, et nous sommes en mesure d’intervenir plus vite lorsqu’une personne âgée présente un risque de dépression. »