Care4Mind : faire progresser la santé mentale grâce à un écosystème de santé apprenant pancanadien

Care4Mind : faire progresser la santé mentale grâce à un ecosystème de santé apprenant pancanadien

Utiliser des outils optimisés par l’IA et des données en temps réel pour accroître l’offre de soins de santé mentale – en fournissant un soutien accessible et adapté au contexte, qui s’adapte aux besoins de chaque Canadien

Care4Mind est un projet national visant à améliorer les troubles de santé mentale tels que la dépression, l’anxiété et les troubles liés au stress identifiés et pris en charge en soins primaires. Aujourd’hui, de nombreuses personnes attendent trop longtemps avant de recevoir de l’aide, et les premiers signes d’une détérioration de la santé mentale sont souvent négligés. Notre projet vise à changer cela en créant un système sécurisé et intelligent qui aide les cliniciens à détecter plus tôt la détresse et à orienter plus rapidement les patients vers les soins appropriés.

Le projet rassemble différents types d’informations issues des dossiers médicaux électroniques (DME) des soins primaires, tels que les codes de diagnostic, les médicaments prescrits, les schémas de consultations cliniques et les notes en texte libre (traitées à l’aide d’outils de langage naturel). Toutes les données utilisées dans le système par les chercheurs sont anonymisées, ce qui signifie que les informations personnelles sont supprimées afin de protéger la vie privée. Care4Mind utilise également la normalisation des données, en convertissant toutes les informations au format OMOP Common Data Model, reconnu à l'échelle internationale, afin que les données provenant de nombreuses cliniques puissent être comparées et utilisées de manière cohérente.

Grâce à l'intelligence artificielle (IA) et à l'apprentissage automatique, le système recherche des schémas pouvant indiquer une détérioration de la santé mentale d'une personne. Par exemple, l'IA peut détecter des signaux d'alerte précoces tels que des consultations plus fréquentes, des changements de médicaments ou des expressions spécifiques suggérant une détresse. Ces modèles fonctionnent au sein d’un système d’apprentissage fédéré, ce qui signifie que l’IA se déplace vers les données, de sorte que les informations sensibles des patients ne quittent jamais la clinique.

Une fois le système validé à l’aide de méthodes de recherche rigoureuses, le modèle d’IA ou d’apprentissage automatique est partagé avec les cliniciens pour qu’ils l’utilisent dans leur pratique.  Les cliniciens peuvent choisir d’utiliser ces modèles pour les aider à identifier plus tôt les patients à risque dans leur cabinet.  

Ce projet est important car il comble des lacunes majeures dans la recherche et les soins en santé mentale : identification plus rapide des risques, accès équitable au soutien et informations plus complètes pour guider les décisions. À la fin du projet, nous visons à produire un système validé et respectueux de la vie privée qui aide les cliniciens à repérer plus tôt la détresse, favorise de meilleures décisions thérapeutiques et, en fin de compte, améliore les résultats pour les personnes souffrant de dépression et d’anxiété.