Les émotions humaines peuvent-elles être discrètes ?

(1)

DOSSIER

Nouvelles technologies

16 | La Lettre du Psychiatre • Vol. XII - n° 1 - janvier-février 2016

N

otre modélisation du monde passe par sa description au travers de multiples variables.

D’un point de vue mathématique et statis- tique, on en distingue 2 grands types : les variables continues pour lesquelles l’intervalle entre 2 gran- deurs peut prendre une infinité de valeurs selon la précision de la méthode d’évaluation, et les variables discrètes au sein desquelles seul un nombre limité de valeurs est possible. L’exemple le plus extrême est le bit, unité de stockage informatique, dont les valeurs se limitent à 0 ou 1.

La numérisation galopante de notre environnement tend à remplacer l’infinité des intervalles continus par un nombre limité d’espaces discrets afin de les réduire à une succession de 0 et de 1, seul élément de langage compréhensible par les systèmes informatiques. Il s’agit alors d’une approximation et le nombre de valeurs discrètes retenues (l’échantillon- nage) correspond à la précision de la mesure. On est ainsi passé d’un monde précis, mais impossible à appréhender dans sa totalité, à un monde approxi- matif, mais accessible et interprétable. L’exemple le plus marquant à cet égard en a été le passage du microsillon au CD, en 1982, et les discussions sans fin qui s’ensuivirent sur la qualité des enregistrements.

L’amélioration des techniques d’échantillonnage et l’augmentation de la puissance de calcul des ordi- nateurs réduisent chaque jour un peu plus cet écart.

Et la psychiatrie dans tout cela ?

Quantification

Le champ de la psychiatrie semble, a priori, bien loin de ces considérations. Discipline hautement littéraire, voire philosophique, durant des décennies, parfois perdue dans ses réflexions centripètes, mettant en avant la complexité de la nature humaine et sa résistance à toute tentative de réduction, est-elle encore en mesure de s’opposer à sa numérisation ?

Les émotions humaines

peuvent-elles être discrètes ?

Can human emotions be discreet?

P. Delbrouck*

C’est à la fin du xix^e siècle et, surtout, au xx^e siècle que le tournant de l’approche clinique se dessine en psychiatrie. D’abord sous l’impulsion de la psychologie, avec les travaux de Wilhelm Wundt en Allemagne et ceux d’Alfred Binet en France, qui intro- duisent la notion de quantification des phénomènes psychiques. Elle se généralisera avec le développe- ment des sciences cognitives et comportementales.

En psychiatrie, l’une des premières échelles d’éva- luation est celle de Hamilton qui vise à mesurer l’anxiété, en 1959. Dans les années qui suivront, de multiples échelles, checklists et autres tests verront le jour pour quantifier plus avant la symptomato- logie. Ces évaluations seront le terreau du renouveau des classifications psychiatriques, qui conduira à l’avènement du DSM-III, en 1980. Le DSM-III lais- sera de côté des entités cliniques “irréductibles” à la simplification novatrice, mais elles reviendront progressivement, sous des formes diverses, dans les éditions ultérieures, le nombre de diagnostics retenus étant ainsi pratiquement multiplié par 4 entre 1980 et 2015…

Les techniques d’imagerie ont suivi la même évolu- tion. L’analyse visuelle de clichés argentiques a laissé la place à la pixellisation des images et à ses algorithmes de reconstruction, permettant des interpréta- tions inimaginables il y a encore quelques années (1).

De même, de nombreux systèmes ont été déve- loppés pour la reconnaissance des émotions. Ils sont fondés sur divers canaux de communication (expressions faciales et vocales, reconnaissance gestuelle des émotions, réactions physiologiques).

Cette composante émotionnelle est prise en compte et développée dans des contextes technologiques comme la robotique, la télémédecine, l’interaction homme-machine ou la réalité virtuelle. Ces systèmes diffèrent pourtant lorsqu’ils sont comparés selon plusieurs critères d’évaluation : les types d’émotions reconnues, les capteurs retenus et les méthodes utilisées pour interpréter les signaux considérés et les traduire en états émotionnels (2).

* Pôle de psychiatrie adulte, centre hospitalier de Saint-Nazaire.

0016_PSY 16 24/02/2016 12:03:18

(2)

Points forts

La Lettre du Psychiatre • Vol. XII - n° 1 - janvier-février 2016 | 17

» La multiplication des possibilités de recueil des signaux physiologiques va profondément redessiner les contours de la clinique psychiatrique.

» Les progrès des outils informatiques permettent d’envisager des modélisations du comportement du cerveau humain.

Mots-clés

Psychopathologie Quantification Modélisation Éthique

Highlights

»The increased opportunities for collecting physiological signals will profoundly redraw the shape of the psychiatric clinic.

»The progress of IT tools allows to consider modeling the behavior of the human brain.

Keywords

Psychopathology Quantification Modeling Ethics Ces progrès technologiques récents sont en passe de

changer radicalement notre approche de la clinique psychiatrique. Les smartphones actuels et les objets qui y sont connectés deviennent ainsi des outils d’évaluation majeurs. Les différents capteurs dont ils sont équipés permettent d’évaluer de multiples paramètres : ralentissement moteur, débit verbal, richesse lexicale, niveau de stress, etc. au travers de marqueurs physiologiques (rythme et variabi- lité cardiaques, activité électrodermale, enregistre- ment et analyse des conversations, nombre de pas, température cutanée…). De même, des appareils autrefois réservés aux laboratoires se miniaturisent et permettent là encore des analyses “discrètes”

en continu (électroencéphalogramme, électrocar- diogramme, variables biologiques, etc.). Ce recueil d’informations, plusieurs fois par minute, sur des périodes prolongées, génère un nombre considé- rable de données (big data), que l’on commence seulement à savoir gérer.

L’étude des troubles bipolaires en est un exemple particulièrement symbolique. Comme chacun sait, cette pathologie se caractérise par une alternance de phases de dépression et d’excitation, difficiles à traiter et s’accompagnant de nombreuses rechutes.

En phase dépressive, les patients sont peu enclins à se soigner et, en phase maniaque, ils ressentent une exaltation dont ils n’ont pas envie de sortir. Pour améliorer leur suivi psychiatrique, il est donc important de pouvoir anticiper ces changements d’humeur.

Actuellement, la surveillance discrète consiste à demander aux patients de compléter un agenda de l’humeur, mais son remplissage est souvent aléatoire et peu précis. D’où l’idée de concevoir des dispositifs qui enregistrent automatiquement, 24 heures sur 24, un certain nombre de paramètres physiologiques et comportementaux pour les transformer en informations directement exploitables par les médecins.

Cette idée est actuellement suivie par plusieurs équipes, dont celle menée par Mattia Bertschi, dans le cadre du programme européen Psyché¹, au Centre suisse d’électronique et de microtechnique (CSEM). Pour ne pas gêner les personnes dans leur vie quotidienne, les auteurs devaient concevoir un

système simple et pratique et ils se sont orientés vers un tee-shirt et un smartphone : discrètement intégrés au tissu du tee-shirt, des capteurs enregistrent le rythme cardiaque et respiratoire de l’individu, ainsi que ses mouvements, ce qui permet de savoir s’il est actif ou non et d’évaluer la qualité de son sommeil. Ces informations sont enregistrées, traitées et transmises au smartphone du patient.

Une application spéciale permet également d’analyser la tonalité de la voix de son propriétaire, au travers d’algorithmes qui relient les fluctuations de son humeur au timbre de sa voix et au rythme de sa parole, les épisodes dépressifs se caractérisant notamment par des phrases monotones et plus courtes et par des silences prolongés. Le médecin peut par ailleurs demander au dispositif d’enregistrer certains autres paramètres, rappeler au patient de prendre ses médicaments ou l’aider à mieux orga- niser ses activités. Encore à l’état de prototype, ce dispositif, qui a déjà fait l’objet de tests préliminaires sur des volontaires sains, est en cours d’évaluation auprès de patients. Dans une approche comparable, une équipe américaine de Chicago (3) a analysé les déplacements et l’utilisation du téléphone de sujets souffrant de troubles de l’humeur afin de détecter la survenue d’épisodes dépressifs. L’objectif de cette étude était de se concentrer spécifiquement sur les marqueurs comportementaux liés au mouvement dans un espace géographique déterminé. Les auteurs émettent l’hypothèse selon laquelle un état dépressif se caractérise par une diminution de la motivation et de l’activité, dont l’intensité est liée à la sévérité des symptômes. En outre, ils considèrent l’usage excessif du téléphone mobile comme un comportement compulsif qui serait lié à certains symptômes de la dépression. Ils ont également étudié la relation entre la gravité des symptômes et l’utilisation du téléphone. Pour atteindre ces objectifs, ils ont exploité une application embarquée recueillant les données de GPS (Global Positioning System) des participants et indiquant l’emploi par ces derniers de leur téléphone et ils ont corrélé ces informations à différents niveaux de sévérité de dépression. Ils ont ainsi défini un certain nombre de caractéris- tiques comportementales et construit des modèles de classification et de régression pour exprimer leur relation à la sévérité des symptômes de dépression.

1 www.psyche-project.org

0017_PSY 17 24/02/2016 12:03:19

(3)

DOSSIER

Nouvelles technologies

Les émotions humaines peuvent-elles être discrètes ?

18| La Lettre du Psychiatre • Vol. XII - n° 1 - janvier-février 2016

En 2013, dans le monde, environ 3 millions de patients utilisaient des dispositifs de monitoring à domicile sous le contrôle de professionnels de santé.

L’institut d’études Berg Insight (4), auteur de cette évaluation, estime que ce nombre va augmenter d’ici 2018 pour passer à plus de 19 millions, avec un taux de croissance annuel de 44,4 %. On estime par ailleurs à 100 milliards le nombre d’objets connectés utilisés dans le monde en 2020, parmi lesquels 2 milliards, consacrés à la santé, seront vendus en France entre 2015 et 2020 (institut GfK 2015) [5].

Ces données intéressent principalement aujourd’hui des sociétés qui, bien qu’assez éloignées de la méde- cine et du soin proprement dits (GAFA [Google, Apple, Facebook, Amazon], IBM, etc.), se revendiquent parte- naires de “bien-être”. En ce sens, la quasi-totalité des objets connectés actuels n’est volontairement pas homologuée “médical”, afin d’échapper aux contraintes éthiques et réglementaires que ce label imposerait. Il est donc de notre devoir de nous les approprier afin d’en contrôler l’utilisation, en insistant sur “la confidentialité et la protection des données recueillies, la sécurité informatique, logicielle et matérielle, la sûreté sanitaire”, comme le rappelle le conseil de l’Ordre des médecins : “L’utilisation des appareils paraît intuitive mais la véritable maîtrise de leurs fonctionnalités, notamment celles qui sont relatives à la confidentialité et à la protection des données personnelles, à la sécurité des communi- cations, se révèle complexe” (6).

Pourtant, dans les années à venir, les objets connectés fourniront la base d’une nouvelle clinique psychiatrique, de nouveaux modèles psychopathologiques qui déboucheront sur de nouvelles perspectives thérapeutiques.

Modélisation

Résultant naturellement de la gestion de ces big data, des tentatives de modélisation de notre envi- ronnement et, en ce qui nous concerne, du fonctionnement normal et pathologique du cerveau humain ont été entreprises, avec la possibilité d’en déduire des modèles mathématiques.

Depuis une vingtaine d’années, on assiste ainsi à la reconnaissance croissante de la modélisation informatique des émotions. Les découvertes issues de la neurophysiologie et de la neuropsychologie permettent d’établir un lien fort entre émotion, rationalité et prise de décision, aboutissant à ce que certains qualifient d’“informatique affective”.

En psychiatrie, la tentation de modélisation des

pathologies n’est pas non plus nouvelle. Dans les années 1980, de nombreuses équipes ont tenté (en vain) de modéliser la récurrence des phases bipolaires, notamment à partir des travaux de B. Mandelbrot sur les théories du chaos. Dans un autre domaine, les recherches de l’équipe menée par S. Dehaene (7) portent depuis de nombreuses années sur la conscience, et donnent lieu depuis peu à des modélisations dont les issues sont multiples : de la conception de conscience artificielle au diagnostic de mort cérébral ou, plutôt, à celui de l’arrêt définitif de toute activité consciente.

Force est de constater que la qualité d’une modélisa- tion dépend autant de celle des mesures effectuées que du caractère judicieux de leur choix. Si les progrès technologiques sont en passe de permettre à la psychiatrie de s’affranchir d’une certaine subjectivité des évaluations, la question du choix reste complexe.

Quels types de signaux physiologiques, de méthodes et d’outils d’évaluation doit-on utiliser ? En outre, il est important de définir une méthodologie permettant de traduire ces signaux acquis en une émotion spéci- fique. La mesure simultanée de différents signaux physiologiques nécessite l’utilisation de différents capteurs qui, parfois intrusifs, peuvent modifier l’état émotionnel de l’utilisateur. Ainsi, les capteurs doivent être choisis soigneusement pour qu’ils ne perturbent pas l’utilisateur. En particulier, ils ne doivent pas être inconfortables (douleur, lourdeur, gêne). De plus, il est nécessaire de mettre en place des dispositifs d’acqui- sition permettant une identification de l’état affectif de l’utilisateur en temps réel. Dans ce contexte, l’approche multimodale occupe une place importante : de nombreux systèmes de reconnaissance des émotions se sont orientés vers cette approche, qui repose sur la capacité d’analyser plusieurs canaux de communication (visage, geste, voix, réactions physiologiques) de manière simultanée. L’objectif est alors de recon- naître l’état émotionnel à partir des signaux issus des différents capteurs, en mettant en œuvre des mécanismes permettant d’exploiter conjointement les informations recueillies (2).

Mais, au-delà de cette dimension technologique, pour modéliser, il faut avoir une idée du modèle…

Ainsi, les premières recherches sur l’utilisation des émotions en interaction homme-machine ont fourni des critères d’élaboration de systèmes émotionnels.

Ces recherches ont donné naissance à des cadres scientifiques et technologiques spécifiques, liés à la modélisation et à la restitution des émotions, à l’ac- quisition et au traitement de signaux physiologiques, ainsi qu’à la reconnaissance et l’identification d’états émotionnels.

0018_PSY 18 24/02/2016 12:03:20

(4)

DOSSIER

Nouvelles technologies

La Lettre du Psychiatre • Vol. XII - n° 1 - janvier-février 2016 | 19 Or, à ce jour, les mécanismes physiopathologiques de

la plupart des maladies psychiatriques sont largement inconnus. Si le ralentissement psychomoteur est un élément central de la clinique dépressive, si la quantification de l’activité musculaire quotidienne peut en être une approximation acceptable, il semble peu probable que ce ralentissement constitue un mécanisme princeps des pathologies dépressives.

Élément de diagnostic et de surveillance fortement corrélé à l’état du patient, le ralentissement moteur est pourtant sans lien de causalité évident avec la pathologie dépressive. L’équation mathématique décrivant les troubles de l’humeur n’est pas pour demain.

Le projet européen Blue Brain², montagne scientifique dont l’ascension a commencé en 2005 avec le soutien d’IBM, dont l’objectif est de construire un cerveau artificiel de mammifère, vient d’accoucher d’une souris ou, plutôt, de 0,3 mm³ de cortex de rat composé d’environ 30 000 neurones et 40 millions de synapses (8). Étape importante, certes, mais qui illustre aussi le chemin restant à parcourir pour parvenir à une modélisation du fonctionnement du cerveau humain.

Conclusion

“La e-santé – et désormais la m-santé – doivent être considérées non comme une fin mais comme un ensemble de moyens permettant d’améliorer l’accès aux soins, la qualité des prises en charge, l’autonomie des patients” (6).

Dans les laboratoires d’IBM, le programme Watson permet de faire des diagnostics complexes et de définir des stratégies thérapeutiques, avec une efficacité souvent supérieure à celle d’une démarche humaine.

Son application en cancérologie est opérationnelle, son extension aux autres spécialités suivra rapidement : “IBM Watson a tout d’un collègue compétent et informé, capable de passer en revue les données d’un patient. Il est rapide, minutieux et a un talent hors du commun pour extraire de l’ensemble des connaissances à disposi- tion celles qui s’appliquent en particulier à l’individu que vous soignez³”. Sans grande révolution quant à son mode de fonctionnement, ce système tire sa puissance de son accès instantané à la totalité de la littérature publiée dans un domaine. Ainsi, il trie plus qu’il ne réfléchit.

La mise sous monitoring permanent que nous promet la santé connectée, outre les questions éthiques qu’elle soulève, interroge les limites d’analyse du cerveau humain. Qu’en sera-t-il des humains augmentés que nous promettent les gourous du transhumanisme (9) ? Übermensch (surhomme) cher à Nietzsche (10) et victoire sur le nihilisme de la condition humaine, ou décadence ultime d’une espèce en voie de disparition ?

Si, mathématiquement, les émotions humaines peuvent être discrètes, espérons que, dans le monde réel, elles puissent encore être suffisamment continues et bruyantes pour alimenter les œuvres de fiction et donner toute leur saveur à nos existences. ■

2 http://bluebrain.epfl.ch/

3 Dr James Miser, Bumrungrad International Hospital (Thaïlande).

http://www.ibm.com/madewithibm/fr/fr/watson

P. Delbrouck déclare ne pas avoir de liens d’intérêts.

1. Delbrouck P. Voir ses rêves. La Lettre du Psychiatre 2015;XI(2):60-2.

2. Hamdi H. Plate-forme multimodale pour la reconnais- sance d’émotions via l’analyse de signaux physiologiques : application à la simulation d’entretiens d’embauche. Thèse de doctorat. Université d’Angers, 2012 : 177 pages.

3. Saeb S, Zhang M, Karr CJ et al. Mobile Phone Sensor Correlates of Depressive Symptom Severity in Daily- Life Behavior: An Exploratory Study. J Med Internet Res 2015;17(7):e175.

4. Fagerberg J, Kurkinen L, Berg Insight. mHealth and Home Monitoring, 7^e édition, décembre 2015. www.berginsight.com 5. Simoniti J. The internet of things – why doesn’t corporate investment match optimism? Septembre 2015. http://blog.

gfk.com/2015/09/the-internet-of-things-why-doesnt- corporate-investment-match-optimism/

6. Santé connectée. De la e-santé à la santé connectée.

Le Livre blanc du Conseil national de l’Ordre des médecins.

Paris : Conseil national de l’Ordre des médecins, 2015: 36.

7. Dehaene S. Le code de la conscience. Paris : Odile Jacob, 2014:427.

8. Markram H, Muller E, Ramaswamy S et al. Reconstruction and Simulation of Neocortical Microcircuitry. Cell 2015;163:456-92.

9. Vivre 140 ans, du fantasme à la réalité. La Recherche 2015;504:79-90.

10. Nietzsche F. Ainsi parlait Zarathoustra. Paris : Le Livre de poche, 1982.

Références bibliographiques

0019_PSY 19 24/02/2016 12:03:20