Une IA qui débat avec elle-même a identifié un signal d'alerte majeur de dépression sur les montres connectées

Pour 9 279 personnes portant des trackers de fitness, le signe physique le plus clair de la dépression n'était pas la quantité de sommeil qu'elles parvenaient à obtenir. C'était le caractère purement chaotique et aléatoire du moment où elles posaient réellement la tête sur l'oreiller.

Un système d'intelligence artificielle baptisé CoDaS a extrait ce modèle d'une montagne de journaux de capteurs de montres connectées disparates. Mais ce qui rend cette découverte significative n'est pas seulement ce que l'IA a trouvé, mais la manière dont elle y est parvenue. Plutôt que de simplement proposer des suppositions algorithmiques aux scientifiques humains, ce logiciel a été conçu pour débattre agressivement avec lui-même jusqu'à ce qu'il puisse prouver ses propres résultats.

Un sceptique intégré

La plupart des outils d'apprentissage automatique cherchent à plaire, trouvant des modèles là où il n'y en a pas juste pour renvoyer un résultat. CoDaS fonctionne différemment, en employant ce que ses développeurs appellent un agent antagoniste. Vous pouvez le considérer comme un comité d'examen par les pairs numérique piégé à l'intérieur d'un serveur.

Lorsque le système principal repère un lien potentiel entre une particularité physiologique et une maladie, l'agent antagoniste intervient pour jouer l'avocat du diable. Il imite le scepticisme impitoyable d'un examinateur humain, essayant délibérément de briser l'hypothèse en forçant le système à valider exactement le même résultat sur des groupes de personnes totalement indépendants. Si le modèle ne tient pas la route dans les nouvelles données, il est mis au rebut.

Lors de sa dernière analyse portant sur plus de 9 000 observations de participants, cette friction interne a fait émerger 41 marqueurs candidats pour des problèmes de santé mentale et 25 pour des maladies métaboliques. Chaque point de données survivant devait être fondé sur la littérature médicale existante.

Le signal d'alarme circadien

Le signal le plus frappant à avoir survécu à cette épreuve du feu algorithmique est « l'instabilité circadienne ». Alors que les applications de santé grand public sont obsédées par l'atteinte des huit heures de sommeil, l'IA a identifié des heures de coucher et de lever extrêmement irrégulières comme un marqueur principal de la dépression.

Le système ne l'a pas seulement repéré comme une anomalie isolée. En forçant son protocole antagoniste à vérifier les calculs, CoDaS a confirmé une corrélation solide entre des horaires erratiques et des scores de dépression élevés à travers deux cohortes d'étude entièrement distinctes.

Trier le bruit

Malgré la transformation réussie des accessoires connectés en laboratoire médical de fortune, l'équipe derrière CoDaS traite le logiciel comme une couche de dépistage plutôt que comme un médecin robotisé. Il est conçu pour passer au crible des millions de points de données et remettre aux chercheurs humains une liste restreinte de signatures numériques hautement probables de maladies.

Cette approche impliquant l'humain dans la boucle signifie que la logique de l'IA doit rester traçable. Avant que l'une de ces perspectives algorithmiques ne soit intégrée au plan de traitement réel d'un patient, un humain doit encore vérifier le raisonnement.

Nous n'avons pas la capacité d'auditer manuellement les données physiologiques déversées par les objets connectés modernes. Mais avoir un système automatisé et sceptique pour effectuer le gros du travail pourrait discrètement transformer la montre connectée, d'un podomètre coûteux en une véritable infrastructure médicale.