Aujourd’hui, il y a un besoin croissant d’harmonisation et d’innovation dans les evaluations cognitives et comportementales. Les outils actuels sont parfois trop invasifs, couteux ou demande des temps de realisations trop important dans le cadre d’une simple consultation. De ce faite de nouvelles methodes ecologiquement valides et sensibles pourraient etre utiles pour ameliorer l’accessibilite en tant que depistage de premiere ligne dans la population souffrant de troubles neuropsychiatriques. Les technologies de l’information et de la communication (TIC) sont des solutions non invasives et qui ont montrees une utilite pour identifier les sujets aux premiers stades cliniques des maladies neurodegeneratives [1] , [2] . Les recherches actuelles s’orientent sur l’interet des ICT a un stade pre clinique, comme marqueur d’evolution, au cours des essais therapeutiques et dans les troubles psychiatriques [3] , [4] . Cette session a pour objectif d’illustrer les scenario d’utilisation d’outils numeriques novateurs, qui pourraient etre utilises pour le depistage a grande echelle et pour le suivi des patients dans les essais cliniques. Lea Domain, interne de psychiatrie au centre hospitalier Guillaume-Regnier de Rennes presentera les resultats preliminaires de l’etude DEFLUENCE. Cette etude a pour objectif de determiner si les alterations qualitatives aux tests de fluences verbales mesurees de facon automatisee peuvent constituer un bio marqueur pronostic de l’evolution de la depression. Alexandra Konig, neuropsychologue et chercheuse au laboratoire CoBTeK presentera l’application Δelta sur tablette qui permet aux cliniciens de faire passer et d’analyser automatiquement des tests neuropsychologiques classiques meme a distance a l’aide de l’intelligence artificielle (IA), de l’analyse automatisee de l’expression faciale et de la voix. Un exemple d’une analyse psycholinguistique informatisee d’une entrevue clinique sera egalement presentee. Clement Abi Nader, doctorant dans l’equipe Epione INRIA presentera les travaux portant sur la modelisation de l’evolution de la maladie d’Alzheimer a partir de donnees cliniques longitudinales acquises. Cette approche consiste a developper des algorithmes integrant des donnees heterogenes (imagerie, donnees biologiques, capteurs, donnees cliniques).
