Utilisation de l’intelligence artificielle (IA) en psychiatrie
Ce n’est plus un secret que le diagnostic en psychiatrie est difficile et complexe. L’implémentation de l’IA pourrait constituer une aide précieuse dans ce domaine.
Le diagnostic des troubles psychiatriques repose généralement sur des évaluations subjectives et des observations cliniques, ce qui peut retarder l’établissement d’un diagnostic précis et l’instauration d’un traitement efficace.
Haute précision diagnostique
Grâce à une précision diagnostique élevée, à la possibilité de traitements plus personnalisés et à des interventions plus précoces, l’implémentation de l’IA en psychiatrie pourrait ouvrir des perspectives majeures. Les systèmes d’IA exploitent pour cela des données issues du langage (parole et textes écrits), d’examens techniques (EEG, ECG et neuro-imagerie), de paramètres physiologiques tels que les biomarqueurs, ainsi que des dossiers des patients.
Bien que leur utilisation en pratique clinique reste encore limitée, les systèmes d’IA affichent souvent une précision élevée. Une méta-analyse publiée en 2025, portant sur 14 études, a rapporté une précision diagnostique globale d’environ 85 %, les modèles de machine learning obtenant les meilleures performances, suivis des modèles hybrides et des modèles de deep learning.
Une précision élevée a notamment été rapportée pour la détection précoce des troubles bipolaires, de la schizophrénie, des troubles du spectre de l’autisme, de la dépression et du risque suicidaire. Dans certaines études, certains modèles atteignaient une précision supérieure à 95 %.
Large champ d’application
L’IA peut être utilisée non seulement comme outil d’aide au diagnostic, y compris pour le diagnostic différentiel, comparable à une seconde opinion, mais également comme modèle prédictif permettant d’estimer le risque de suicide, de rechute ou encore la réponse à un traitement. Elle peut également être utilisée comme outil thérapeutique, notamment via les chatbots et les applications de réalité virtuelle.
Diagnostic à partir de l’EEG
Les approches de machine learning et de deep learning basées sur l’EEG permettent de distinguer les profils de patients atteints de schizophrénie, de troubles de l’humeur et anxieux, d’addictions, de troubles obsessionnels compulsifs (TOC) ou de troubles liés à un traumatisme, de ceux de groupes témoins sains, avec une précision allant de 75 à 95 %.
La schizophrénie peut ainsi être identifiée à l’aide de caractéristiques EEG de la bande thêta, tandis que la présence d’ondes alpha basses et bêta élevées est fréquemment utilisée dans le diagnostic de la dépression. Les données EEG restent toutefois sensibles aux artefacts, notamment ceux provoqués par les mouvements oculaires et l’activité musculaire, qui doivent être éliminés afin de garantir la fiabilité des analyses.
Diagnostic à partir de l’ECG
Le cerveau et le cœur sont interconnectés via le système nerveux autonome, par lequel ils influencent indirectement leur fonctionnement respectif. Les interactions entre les systèmes nerveux sympathique et parasympathique jouent un rôle important dans ce processus, si bien que les expériences émotionnelles peuvent entraîner des modifications du rythme cardiaque détectables à l’ECG. Les modèles d’IA utilisant les tracés ECG analysent notamment le rythme cardiaque, la fréquence cardiaque ainsi que sa variabilité, et peuvent ainsi identifier le stress, l’anxiété et les symptômes dépressifs.
À l’avenir, un nombre croissant de modèles et de données seront combinés, et l’IA trouvera progressivement sa place dans la pratique clinique psychiatrique.
Références
1. Rony MKK, Das DC, et al. Artificial intelligence in psychiatry: A systematic review and meta-analysis of diagnostic and therapeutic efficacy. Digit Health. 2025 Mar 28;11:20552076251330528. doi: 10.1177/20552076251330528.
2. Cruz-Gonzalez P, He AW, et al. Artificial intelligence in mental health care: a systematic review of diagnosis, monitoring, and intervention applications. Psychol Med. 2025 Feb 6;55:e18. doi: 10.1017/S0033291724003295.
