• Langue : Français
• Discipline : Médecine. Psychiatrie
• Identifiant : 2022ULILM229
• Type de thèse : Doctorat de médecine
• Date de soutenance : 16/09/2022

Résumé en langue originale

Introduction : La généralisation de l’utilisation des smartphones, de l’intelligence artificielle et du Big Data envahit progressivement tous les champs de la science. La psychiatrie ne fait pas exception à cet état de fait. Elle semble même particulièrement disposée à intégrer l’utilisation de capteurs passifs, à savoir des capteurs intégrés aux smartphones et ne nécessitant pas d’intervention de la part de l’utilisateur comme le GPS ou le microphone. Les données récupérées de cette façon pourraient permettre une mesure objective des signes cliniques qui fait actuellement défaut à la discipline. Un ralentissement psychomoteur pourrait être objectivé par un accéléromètre ou encore par la baisse de la vitesse de frappe sur le clavier. Cette méthode permettant de prédire l’état clinique d’un patient en fonction des données acquises par son smartphone est appelée phénotypage digital. Étant donné la prévalence importante et la périodicité des troubles de l’humeur, il paraît pertinent d’explorer l’utilisation de capteurs passifs dans ces pathologies. Objectif : Notre objectif principal est de savoir si le phénotypage digital a sa place dans l’amélioration du dépistage et du diagnostic des troubles de l’humeur. Nous souhaitons également savoir quels capteurs pourraient être utilisés dans les années à venir. Méthodes : Pour ce faire, nous avons effectué une revue systématique de la littérature en interrogeant la base de données Pubmed jusqu’à février 2022. Nous avons retrouvé 475 résultats. Au total, 40 articles ont été inclus dans cette revue. Résultats : Le phénotypage digital permet le diagnostic et le dépistage des troubles unipolaires avec une bonne précision. Il a également un intérêt dans le diagnostic des troubles bipolaires et pour le dépistage de rechute. Les capteurs les plus étudiés sont le GPS, les journaux d’appel et de SMS, l’accéléromètre, l’état de l’écran et le microphone. L’utilisation de plusieurs capteurs associés à des algorithmes de Machine Learning permet d’augmenter encore la précision. Discussion : Bien que l’intérêt de ces systèmes d’aide au diagnostic soit démontré, il sera nécessaire de poursuivre la recherche dans le cadre d’essais randomisés de grande ampleur. De plus, la mise en place de tels systèmes de collecte de données risque de se heurter à la réticence des patients comme des psychiatres. Il sera donc nécessaire d’encadrer législativement cette pratique et d’assurer la sécurité des données.