Problèmes de santé mentale sont devenus plus clairs au milieu de la pandémie. La dépression est devenue endémique, mais elle passe encore trop souvent inaperçue. Même lorsque c’est le cas, les prestataires de soins de santé ont du mal à répondre à la demande. Deux femmes ingénieures – qui ont toutes deux souffert de dépression et ont eu du mal à trouver une thérapie – ont pensé que la réponse pourrait être d’aider les professionnels de la santé à détecter la dépression.
Kintsugi est une startup qui veut mettre la technologie au service du problème. La cofondatrice et PDG Grace Chang a vu cela comme un problème d’accès : les deux fondateurs ont connu des épisodes de dépression et ont eu du mal à obtenir l’aide de cliniciens, ce qui les a amenés à y réfléchir de leur point de vue d’ingénieurs.
Ils ont pensé que s’il était possible d’identifier les personnes qui ont le plus besoin d’une thérapie, il serait plus facile d’atteindre l’objectif d’orienter ces personnes vers un traitement approprié. Alors Chang et la co-fondatrice Rima Seiilova-Olson ont construit une API pour détecter la dépression par la voix.
«Nous avons vu cela comme un problème d’infrastructure où il y a tellement de gens qui essaient de franchir cette porte d’entrée, mais pas beaucoup de visibilité quant à savoir qui est gravement déprimé et qui est dans cette phase faible à modérée. Et si nous pouvons fournir ces informations à ces praticiens, nous pouvons vraiment affecter profondément le problème spécifique », a-t-elle déclaré.
Pourquoi la voix ?
Les gens qui se sentent bleus ont tendance à avoir une voix plate, ce que les cliniciens observent depuis des décennies. Cela est vrai indépendamment de la langue ou de la culture et semble être une réaction humaine universelle à la dépression, selon Seilova-Olson.
« Le retard psychomoteur est le processus de ralentissement de la pensée et des mouvements musculaires. Et c’est universel, peu importe où vous êtes né ou quelle langue vous parlez », a-t-elle déclaré.
Les psychiatres qui observent des patients gravement déprimés remarquent ce symptôme, a noté Seilova-Olson. Kintsugi tente d’utiliser la technologie pour créer un modèle d’apprentissage automatique avec beaucoup plus d’échantillons que n’importe quel clinicien individuel pourrait voir dans sa vie. La solution mesure la probabilité de dépression sur l’échelle GAD-7 (0-21), zéro étant bien et 21 étant sévèrement déprimé. Une fois qu’un patient a donné son autorisation, le clinicien peut obtenir un retour immédiat en fonction du score. Le score, qui fait partie des notes du patient, est protégé par le privilège médecin-patient, selon la société.
« Notre modèle de réseau neuronal a été formé sur des dizaines de milliers de voix déprimées. Donc ça peut être comme un groupe de psychiatres, mais c’est beaucoup plus sensible. Il peut le récupérer même lorsque la dépression est à des niveaux légers ou modérés », a-t-elle déclaré.
Même avant la pandémie, la dépression sévissait. L’Organisation mondiale de la santé rapporte que 5 % des adultes dans le monde souffrent de dépression clinique. Cela représente 280 millions de personnes. C’est la principale cause d’invalidité dans le monde, et il n’est pas nécessaire qu’il en soit ainsi.
L’OMS rapporte que toutes les formes de dépression, qu’elles soient légères, modérées ou graves, peuvent être traitées si elles sont détectées. Mais trop souvent, les personnes souffrant de dépression souffrent en silence et ne demandent pas d’aide pour leur état. Un article de 2017 publié dans le SSM Population Health Journal cite une étude de 1999 qui a révélé que les deux tiers des cas de dépression aux États-Unis ne sont pas diagnostiqués.
C’est encore plus tragique si l’on considère que 700 000 personnes se suicident chaque année à cause de la dépression, selon l’OMS. Parmi les problèmes rencontrés pour amener les gens à suivre un traitement, il y a le manque de professionnels formés pour aider à le diagnostiquer, et le fait que les professionnels de la santé ont tendance à ne s’attaquer à ce problème que lorsque les patients signalent des symptômes, ce qui peut ne pas être fiable.
Trouver une source de données
Avant que Chang et Seiilova-Olson ne puissent construire un modèle pour détecter la dépression par la voix, ils avaient besoin de données. La première étape a consisté à interroger environ 200 psychologues, psychiatres et cliniciens. Ils ont appris grâce à leurs recherches que la tenue d’un journal était un bon moyen pour les gens de faire le tri dans leurs sentiments.
La première chose qu’ils ont faite a donc été de créer une application de journalisation vocale gratuite, également appelée Kintsugi. Avec cela, ils ont pu accéder à des milliers d’échantillons de voix qu’ils ont utilisés pour former le modèle sur ce à quoi ressemble une voix déprimée.
Si vous êtes préoccupé par la confidentialité ici, les conditions d’utilisation indiquent que les données peuvent être utilisées à des fins de recherche. En termes de sécurité, les entrées sont cryptées en transit et au repos, mais elles sont également partageables publiquement si les gens sont enclins à le faire. De plus, Chang a déclaré qu’ils avaient délibérément fait le choix dès le départ de ne pas utiliser le traitement du langage naturel, ce qui maintient le contenu des revues hors de l’équation. Leur objectif était simplement de comprendre comment les gens parlaient, plutôt que ce qu’ils disaient, ce qui n’était vraiment pas pertinent par rapport au problème qu’ils essayaient de résoudre.
Chang a déclaré que cela résolvait trois problèmes. Pour commencer, ils n’avaient pas à se soucier de la protection de la vie privée de leurs utilisateurs individuels car le contenu n’était pas la cible de leurs recherches. Cela a également simplifié la technologie sous-jacente et leur a permis de se concentrer sur la construction d’un système de notation basé sur le modèle de la voix. Enfin, l’utilisation de la reconnaissance des formes leur a permis d’être indépendants de la langue – peu importait ce que les gens disaient ou quelle langue ils parlaient.
Construire la solution
Les fondateurs ont longuement réfléchi à la manière d’intégrer cette solution dans un environnement clinique, et ils ont décidé de créer une API qui se connecte à la section des notes cliniques du dossier de santé électronique du patient.
Les patients sont parfois invités à évaluer leur propre état de santé mentale dans le cadre du processus d’admission des patients, mais ils n’évaluent souvent pas leur état avec précision. C’est là que la solution Kintsugi entre en jeu.
«Nous avons une API, qui n’est qu’une couche logicielle intégrée aux centres d’appels cliniques et aux applications de télésanté… et c’est aux infirmières et aux gestionnaires de soins lorsqu’ils effectuent leurs appels sortants aux patients de comprendre dans ce court laps de temps si ce patient est aux prises avec un problème de santé comportementale et si le patient a du mal à fournir des informations à ce patient sur les différents types de soins qui lui sont disponibles », a expliqué Chang.
La société souligne que, bien qu’elle travaille avec la Food and Drug Administration des États-Unis pour ce qu’on appelle l’approbation De Novo, la solution est identifiée comme un outil d’aide à la décision clinique en vertu du 21st Century Cures Act. De tels outils de support ne nécessitent pas l’approbation explicite de la FDA, m’ont dit les fondateurs.
Kintsugi a également mené une étude clinique et est en train de publier un article dans une revue à comité de lecture avec l’Université de l’Arkansas pour les sciences médicales (UAMS), mais il n’a pas voulu partager les détails avant l’annonce officielle.
Les deux fondatrices se sont rencontrées lors d’un hackathon en 2019 et étaient ravies de rencontrer une autre femme lors d’un tel événement, auquel assistent principalement des hommes. Ils se sont liés par un amour mutuel du codage et leurs expériences d’immigration similaires : Chang a grandi à Taïwan, tandis que Seiilova-Olson a grandi au Kazakhstan.
Au fur et à mesure qu’ils se connaissaient, ils ont réalisé que chacun avait eu du mal à trouver des soins de santé mentale quand ils en avaient besoin et ont commencé à explorer l’idée de trouver une solution pour les aider. Ils ont levé un premier tour de table de 8 millions de dollars pour construire le produit l’année dernière et une autre série A de 20 millions de dollars plus tôt cette année.
La collecte de fonds en tant que fondatrices de deux femmes immigrantes présentait ses propres défis uniques, a déclaré Chang. « L’obstacle pour les femmes, c’est qu’on ne peut pas peindre une histoire de toutes ces choses qu’on va faire. Vous devez déjà faire ces choses pour que les gens investissent en vous, et je pense donc que c’est tout un défi, probablement pas seulement pour les femmes, mais pour les minorités plus largement, j’imagine », a-t-elle déclaré.
Ils ne sont pas seuls dans cet espace. Ellipsis Health, Sonde Health, Vocalis Health et Winterlight Labs travaillent sur des solutions vocales similaires pour identifier les problèmes de santé mentale. Certaines de ces entreprises ont identifié des problèmes pour fournir des résultats cohérents dans différents dialectes et données démographiques, mais les fondateurs de Kintsugi pensent que leur approche surmonte ces problèmes.
Kintsugi a déjà des contrats avec quelques grandes entreprises de soins de santé et travaille à s’appuyer sur cela.