Retour à la page précédente

Interventions de santé en ligne personnalisées pour le changement de comportement. Nous visons à produire une méthodologie pour la santé personnalisée qui permet de profiler les patients afin de leur fournir un soutien ciblé pendant un programme de changement de comportement.

chatbotsmoking

L'amélioration de la qualité de vie et la réduction des risques pour la santé sont des préoccupations de plus en plus importantes dans notre société. Dans différentes situations, notamment la présence de maladies chroniques ou le désir d'adopter des habitudes quotidiennes plus saines (par exemple en matière d'alimentation, d'activité physique, etc.), ces améliorations ne sont possibles que si un changement de comportement efficace est également produit. Ce changement peut aller de petites modifications de la routine quotidienne à des changements radicaux du mode de vie. Il a été démontré que les interventions personnalisées sont cruciales pour maximiser l'efficacité du changement de comportement, et donc les objectifs finaux fixés pour un programme donné. Les programmes personnalisés et sur mesure sont aujourd'hui réalisables, en partie grâce aux progrès de l'analyse des données personnelles et de la santé numérique personnalisée. Différents modèles existent pour décrire les stratégies et les actions de changement de comportement (par exemple, le modèle HAPA (Schwarzer et al., 2011) et le modèle I-Change (De Vries et al., 2005)), et différentes solutions technologiques (e-Santé, mSanté, jeux sérieux, rappels, chatbots, réseaux sociaux) ont été développées dans plusieurs cas d'utilisation (diabète, arrêt du tabac, surpoids, vieillissement actif, réhabilitation, réadaptation, etc.)

Cependant, l'effort requis pour adapter ces modèles aux technologies appropriées dans un cas d'utilisation donné reste prohibitif et se traduit par des implémentations inefficaces ou partielles, avec des interventions de personnalisation faibles ou incomplètes. En conséquence, il n'existe pas de méthodologie claire permettant de modéliser efficacement le profil d'un patient, dans le but d'utiliser des techniques d'intelligence artificielle (IA) pour adapter et personnaliser les traitements, les recommandations et d'autres interventions liées à la santé. Par conséquent, même s'il a été démontré que différentes solutions numériques et techniques d'IA apportent une amélioration significative aux traitements personnalisés, il reste difficile de réutiliser et d'appliquer ces méthodes à d'autres cas d'utilisation, ou d'établir un flux de travail bien défini pour permettre des interventions adaptées aux patients.

Avec ce projet, nous envisageons une approche méthodologique qui établit de manière systématique les différentes étapes qui peuvent guider la mise en œuvre d'un programme d'e-santé personnalisé, en adaptant les techniques d'IA existantes et en réutilisant les briques logicielles qui fournissent le profilage et les interventions ciblées. La nécessité de développer cette approche méthodologique découle en fait de notre expérience en matière de surveillance de la santé, ainsi que de l'implication et des discussions avec plusieurs entreprises, prestataires de soins de santé et chercheurs dans le domaine de la santé en ligne. Comme résultat principal, le projet PROFILES nous permettra de mettre en place de nouvelles propositions de subventions de recherche, tant au niveau national qu'international.

L'objectif principal du projet est d'étudier et de développer une méthodologie pour modéliser les profils des patients, afin qu'ils puissent être utilisés par des techniques d'IA pour offrir des interventions personnalisées ciblant les changements de comportement. Nous pensons que cette méthodologie pourrait être réutilisée dans plusieurs scénarios, même pour différentes maladies ou problèmes de santé, et différents types d'interventions. La méthodologie devrait être centrée sur un profil d'utilisateur, et sur la manière de définir les caractéristiques et les paramètres essentiels pour alimenter les techniques d'IA. Elle devrait également aider à choisir les techniques d'IA appropriées (méthodes d'apprentissage automatique, algorithmes de classification, etc.) et le type d'interventions, en fonction de la nature du cas d'utilisation et des exigences qui ont été établies. Enfin, la méthodologie doit également permettre de définir les métriques qui seront utilisées pour évaluer l'ensemble de la procédure.