Optimiser le bien-être psychologique futur à différents âges de la vie

Des chercheurs ont utilisé l'intelligence artificielle pour explorer, à partir des données d'une grande étude nationale américaine, le bien-être psychologique à différents âges de la vie avec l'objectif de générer des recommandations personnalisées pour chaque étape de la vie.

Leurs travaux sont publiés en juin 2022 dans la revue Aging-US.

Ils ont développé des algorithmes d'apprentissage automatique qui ont analysé les données de l'étude Midlife in the US dans laquelle les profils de bien-être de près de 4000 participants ont été établis en 1995 et en 2005.

Le bien-être était évalué selon le modèle des six composantes de la psychologue Carole Ryff : l'autonomie, la maîtrise de l'environnement, la croissance personnelle, les relations positives avec les autres, les buts dans la vie et l'acceptation de soi.

Fedor Galkin et ses collègues (1) de la société Deep Longevity (Hong Kong), en collaboration avec Nancy Etcoff du Département de Psychiatrie de la Harvard Medical School, ont ainsi créé « deux modèles numériques de la psychologie humaine ».

Le bien-être psychologique au cours de la vie

Le premier modèle est issu d'algorithmes qui ont analysé les données afin de déduire les caractéristiques du bien-être psychologique qui ont tendance à correspondre à chaque âge et de pouvoir prédire le bien-être 10 ans plus tard à partir du bien-être actuel à un âge donné.

Ce modèle « illustre les trajectoires de l'esprit humain liées au vieillissement ». Il montre par exemple que :

la capacité à établir des relations significatives augmente avec l'âge, tout comme l'autonomie mentale et la maîtrise de l'environnement ;
l'importance accordée à l'épanouissement personnel diminue régulièrement ;
le sentiment d'avoir un but dans la vie diminue après 40-50 ans.

Ces résultats, soulignent les auteurs, « contribuent à la discussion sur la théorie de la sélectivité socioémotionnelle et l'adaptation hédonique dans le contexte du développement de la personnalité adulte ».

Le postulat central de cette théorie est que les horizons temporels (le nombre estimé d'années qu'il reste à vivre) exercent une forte influence sur les objectifs et la motivation.

Des recommandations personnalisées

Le deuxième modèle est une carte des caractéristiques du bien-être dans différents groupes qui s'élabore automatiquement et sert de support à un moteur de recommandations personnalisées qui peut être utilisé dans des applications de santé mentale.

Les répondants ont été divisés en groupes en fonction de leur risque de développer une dépression et, pour chaque utilisateur, le logiciel identifie le chemin le plus court pour atteindre les caractéristiques d'un groupe ayant une stabilité mentale. Alex Zhavoronkov, directeur de Deep Longevity, explique : « Les applications de santé mentale existantes offrent des conseils génériques qui s'appliquent à tout le monde mais ne conviennent à personne. Nous avons construit un système qui est scientifiquement solide et qui offre une personnalisation supérieure. »

Par exemple :

Les cinq principales attitudes qui ne sont généralement pas partagées par les personnes mentalement stables, mais qui sont répandues chez les personnes déprimées sont : des activités quotidiennes qui ne sont pas utiles pour la communauté ; des relations proches difficiles ; ne pas voir d'utilité à penser au passé parce que rien ne peut être fait ; le sentiment que la société ne s'améliore pas pour elles et que les gens ne se soucient pas des problèmes des autres.
Les cinq principales attitudes qui sont répandues chez les personnes mentalement stables, mais qui ne sont généralement pas partagées par les personnes déprimées sont : des processus inhérents à leur vie d'apprentissage, de changement et de croissance ; faire les choses qui leur plaisent ; donner et partager du temps ; être sociable ; se fixer des buts pour le futur proche.

Pour démontrer le potentiel de ce système, Deep Longevity a publié le service web FuturSelf, une application en ligne gratuite qui permet aux utilisateurs de passer le test psychologique qui est décrit dans la publication originale. À la fin de l'évaluation, les utilisateurs reçoivent un rapport contenant des informations visant à améliorer leur bien-être mental à long terme et peuvent s'inscrire à un programme d'orientation qui leur fournit un flux constant de recommandations choisies par l'IA (intelligence artificielle). Les données obtenues sur FuturSelf seront utilisées pour développer davantage l'approche numérique de Deep Longevity de la santé mentale.

Le professeur Vadim Gladyshev de la Harvard Medical School, expert en biogérontologie, commente le potentiel de FuturSelf :

« Cette étude offre une perspective intéressante sur l'âge psychologique, le bien-être futur et le risque de dépression, et démontre une nouvelle application des approches d'apprentissage automatique aux questions de santé psychologique. Elle élargit également la façon dont nous considérons le vieillissement et les transitions à travers les étapes de la vie et les états émotionnels. »

Les auteurs prévoient de poursuivre l'étude de la psychologie humaine dans le contexte du vieillissement et du bien-être à long terme. Ils travaillent à une étude de suivi sur l'effet du bonheur sur les mesures physiologiques du vieillissement.

La société Deep Longevity est détenue par Endurance Longevity (Hong Kong) qui développe des systèmes d'intelligence artificielle explicables (2) pour suivre le rythme du vieillissement aux niveaux moléculaire, cellulaire, tissulaire, organique, systémique, physiologique et psychologique.

Pour plus d'informations, voyez les liens plus bas.

(1) Kirill Kochetov, Michelle Keller, Alex Zhavoronkov.

(2) L'intelligence artificielle explicable est un ensemble de processus et de méthodes qui permettent aux utilisateurs humains de comprendre les résultats produits par les algorithmes d'apprentissage automatique (par opposition à des systèmes où les computations numériques constituent une « boîte noire » qui ne peut être interprétée par l'humain).