Le phénotypage digital pour une pratique clinique en santé mentale mieux informée
Datos Bibliográficos
Objectifs Cette revue trouve sa motivation dans l’observation que la prise de décision clinique en santé mentale est limitée par la nature des mesures typiquement obtenues lors de l’entretien clinique et la difficulté des cliniciens à produire des prédictions justes sur les états mentaux futurs des patients. L’objectif est de présenter un survol représentatif du potentiel du phénotypage digital couplé à l’apprentissage automatique pour répondre à cette limitation, tout en en soulignant les faiblesses actuelles. Méthode Au travers d’une revue narrative de la littérature non systématique, nous identifions les avancées technologiques qui permettent de quantifier, instant après instant et dans le milieu de vie naturel, le phénotype humain au moyen du téléphone intelligent dans diverses populations psychiatriques. Des travaux pertinents sont également sélectionnés afin de déterminer l’utilité et les limitations de l’apprentissage automatique pour guider les prédictions et la prise de décision clinique. Finalement, la littérature est explorée pour évaluer les barrières actuelles à l’adoption de tels outils. Résultats Bien qu’émergeant d’un champ de recherche récent, de très nombreux travaux soulignent déjà la valeur des mesures extraites des senseurs du téléphone intelligent pour caractériser le phénotype humain dans les sphères comportementale, cognitive, émotionnelle et sociale, toutes étant affectées par les troubles mentaux. L’apprentissage automatique permet d’utiles et justes prédictions cliniques basées sur ces mesures, mais souffre d’un manque d’interprétabilité qui freinera son emploi prochain dans la pratique clinique. Du reste, plusieurs barrières identifiées tant du côté du patient que du clinicien freinent actuellement l’adoption de ce type d’outils de suivi et d’aide à la décision clinique. Conclusion Le phénotypage digital couplé à l’apprentissage automatique apparaît fort prometteur pour améliorer la pratique clinique en santé mentale. La jeunesse de ces nouveaux outils technologiques requiert cependant un nécessaire processus de maturation qui devra être encadré par les différents acteurs concernés pour que ces promesses puissent être pleinement réalisées
Humanities · Anxiety, Depression, Psychometrics, Treatment, Cognitive Processes · Digital Mental Health Interventions · Mental Health Research Topics · Philosophy · Psychology
Sleep disturbance and psychiatric disorders
Machine Learning Approaches for Clinical Psychology and Psychiatry
Experience sampling methodology in mental health research
Facebook language predicts depression in medical records
Definitions, methods, and applications in interpretable machine learning
The Sisyphean Cycle of Technology Panics
Psychiatric Risk Assessment from the Clinician’s Perspective
An evaluation of sentiment analysis for mobile devices
| Obras citantes distintas | 1 |
|---|---|
| Citas por año | 0,5 |
| Intervalo de citas | 2024 - 2024 (1) |
| Velocidad de citación | recent |
| Altamente citado | No |
| Tipos de cita | Neutras: 1 |