Analyse de sentiment dans le secteur de la santé: une équipe de recherche de la BFH développe de nouveaux algorithmes

Analyser des textes dans le but d’identifier les opinions, les humeurs, voire les émotions de leurs auteur-e-s: c’est ce que l’on appelle l’analyse de sentiment. Le secteur de la santé a reconnu le potentiel de cette méthode pour améliorer la connaissance des maladies, des perceptions et des besoins des patient-e-s et du personnel soignant. On utilise par exemple les descriptions de patient-e-s sur les réseaux sociaux. Les notes prises par le personnel soignant jouent également un rôle croissant dans l’analyse de sentiment. Analyser les appréciations subjectives de l’état de santé des patient-e-s exprimées dans ces notes permet d'effectuer des pronostics sur l’évolution de la maladie ou sur la réhospitalisation. Pour réaliser les analyses de sentiment, on utilise dans la plupart des cas des algorithmes d’apprentissage automatique. Les méthodes existantes n’ont toutefois pas été testées en vue d’une utilisation spécifique dans le domaine médical, comme le montre une étude réalisée par une équipe de recherche de l’Institut d’informatique médicale I4MI de la Haute école spécialisée bernoise BFH. Les scientifiques présument que cela nuit à la précision des résultats. En outre, l’équipe a constaté que les solutions existantes n’avaient pas encore atteint le niveau de développement requis sur le plan technologique.

Un projet de recherche pour faire avancer le développement

L’équipe de recherche de l’I4MI s’attaque à ces défis dans le cadre d’un projet financé par la Fondation Hasler. L’objectif consiste d’une part à développer de nouveaux algorithmes basés sur l’état actuel de la technologie et à le faire progresser. L’équipe prévoit en outre de tester ces développements sur des cas d’application concrets dans le domaine médical.