Canada Spends Logo

Explorez notre analyse du budget 2026

Grant: Master's Award: Canada Graduate Scholarships

Université de Montréal

$17,500.00

Suivi longitudinal intensif au moyen d'une application mobile pour prédire les changements de symptômes en psychiatrie

EF 2020-21

Résumé
Les troubles de santé mentale varient en sévérité dans le temps, alternant entre des phases de stabilité et de crise. Un des principaux défis pour les professionnels en santé mentale est de pouvoir prédire ces changements sur la base de données suffisamment objectives. Malheureusement, les entretiens cliniques menés dans le cabinet médical sont souvent rares et l'information fournie par le patient est empreinte de subjectivité (difficulté de rappel, etc.). Il apparaît donc nécessaire de développer des outils permettant de quantifier l'évolution d'un trouble à l'aide de mesures objectives, obtenues de façon continue dans le milieu de vie du patient. Dans le cadre de ce projet, nous explorerons l'utilité de données dites de phénotypage digital, c'est-à-dire des données de questionnaires d'auto-évaluation des symptômes ainsi que des données d'utilisation (p. ex., nombre de déverrouillage) et des capteurs (p. ex., Wi-Fi, Bluetooth, accéléromètre) du téléphone intelligent, recueillies en continu par une application mobile dédiée. Les données utilisées sont obtenues tant chez des personnes en bonne santé mentale pour évaluer le stress et l'humeur que chez des personnes souffrant de troubles mentaux pour évaluer des symptômes plus sévères. Les données sont d'abord transformées en indicateurs interprétables pour les cliniciens (sommeil, isolement social, etc.). Puis, l'apprentissage (automatique) profond est ensuite utilisé pour créer des modèles personnalisés qui formulent des prédictions de l'état futur de l'utilisateur du téléphone intelligent. Le phénotypage digital combiné à l'apprentissage automatique a le potentiel d'améliorer les soins en santé mentale en rendant possibles des suivis personnalisés basés sur des données objectives.
Programme
Master's Award: Canada Graduate Scholarships
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
CIHR Funding Decisions Database

Tel que publié

Id
449786
Name
Jean Thierry
Region
Québec
Country
Canada
Orgtype
Institution Paid; Research Institution
Prcname2
Special Cases - Awards Programs
Projecttitle
Suivi longitudinal intensif au moyen d'une application mobile pour prédire les changements de symptômes en psychiatrie
Programtype2
Studentship Programs
Orgnameinp2
Université de Montréal
Cihramount2
$17,500
Cihrequipment2
$0
Programname2
Master's Award: Canada Graduate Scholarships
Keyworddelim
Apprentissage Machine; Intelligence Artificielle; Nouvelles Technologies; Phénotypage Digital; Pronostic; Psychiatrie; Psychose; Santé Mentale; Schizophrénie
Abstract
Les troubles de santé mentale varient en sévérité dans le temps, alternant entre des phases de stabilité et de crise. Un des principaux défis pour les professionnels en santé mentale est de pouvoir prédire ces changements sur la base de données suffisamment objectives. Malheureusement, les entretiens cliniques menés dans le cabinet médical sont souvent rares et l'information fournie par le patient est empreinte de subjectivité (difficulté de rappel, etc.). Il apparaît donc nécessaire de développer des outils permettant de quantifier l'évolution d'un trouble à l'aide de mesures objectives, obtenues de façon continue dans le milieu de vie du patient. Dans le cadre de ce projet, nous explorerons l'utilité de données dites de phénotypage digital, c'est-à-dire des données de questionnaires d'auto-évaluation des symptômes ainsi que des données d'utilisation (p. ex., nombre de déverrouillage) et des capteurs (p. ex., Wi-Fi, Bluetooth, accéléromètre) du téléphone intelligent, recueillies en continu par une application mobile dédiée. Les données utilisées sont obtenues tant chez des personnes en bonne santé mentale pour évaluer le stress et l'humeur que chez des personnes souffrant de troubles mentaux pour évaluer des symptômes plus sévères. Les données sont d'abord transformées en indicateurs interprétables pour les cliniciens (sommeil, isolement social, etc.). Puis, l'apprentissage (automatique) profond est ensuite utilisé pour créer des modèles personnalisés qui formulent des prédictions de l'état futur de l'utilisateur du téléphone intelligent. Le phénotypage digital combiné à l'apprentissage automatique a le potentiel d'améliorer les soins en santé mentale en rendant possibles des suivis personnalisés basés sur des données objectives.
Competitiondate
202012
Approvedterm2
1 yr 0 mth
Pinamesdelim
Jean, Thierry
Approvedterm
1 an 0 mois
Cihrcontribution2
~ $17,500~ $0~