Construction de profils psycholinguistiques pour le Trouble de Stress Post-Traumatique (TSPT) à l'aide du Traitement Automatique du Langage Naturel (TALN)

Building psycholinguistic profiles for Post-Traumatic Stress Disorder (PTSD) using Natural Language Processing (NLP).

• Auteur / Autrice : Robin Quillivic
• Direction : Salma Mesmoudi, Jacques Dayan
• Type : Thèse de doctorat
• Discipline(s) : Informatique et statistiques,et cognition
• Date : Soutenance le 20/12/2024
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale de l'École pratique des hautes études (Paris)
• Partenaire(s) de recherche : Établissement de préparation de la thèse : École pratique des hautes études (Paris ; 1868-....)
• Partenaire(s) de recherche : Laboratoire : Neuropsychologie et imagerie de la mémoire humaine (Caen ; 2017-....)
• Jury : Président / Présidente : Chloé Clavel
• Jury : Examinateurs / Examinatrices : Salma Mesmoudi, Jacques Dayan, Chloé Clavel, Louis Jehel, Lina Fatima Soualmia, Thierry Baubet, Frédérique Gayraud, Yann Auxéméry
• Jury : Rapporteurs / Rapporteuses : Louis Jehel, Lina Fatima Soualmia

Mots clés

Mots clés contrôlés

Troubles de la cognition

Psychiatrie clinique

Psycholinguistique

Traitement automatique du langage naturel

Troubles de stress post-traumatique

Mots clés libres

Tspt

Taln

13 Novembre

Ptsd

Nlp

13 Novembre

Psycholinguistic

Résumé

Ce projet de recherche, soutenu par le programme 13-Novembre et la région île de France, s'intéresse au lien entre le langage et le Trouble de Stress Post-Traumatique (TSPT). Caractériser ce lien pourrait permettre de faire du langage un marqueur de suivi et d'aide au diagnostic en clinique psychiatrique. Cela pourrait avoir un impact significatif sur la prise en charge, le traitement et le suivi des patients atteints de TSPT. Notamment, cela faciliterait une meilleure priorisation des personnes traumatisées lors d'événements de grande envergure tels que des attentats, une épidémie ou une catastrophe naturelle, lorsque la demande de soins psychiatriques dépasse largement l'offre. En s'appuyant sur les avancées récentes en Traitement Automatique du Langage Naturel (TALN) et sur l'exceptionnelle richesse du corpus de témoignages recueillis lors des phases 1 (2016) et 2 (2018) du programme 13-Novembre, nous proposons de construire et d'interpréter des modèles de classification de textes supervisés permettant de mieux décrire et comprendre le TSPT. Cette thèse présente une analyse exhaustive de la littérature concernant le rôle du langage comme indicateur du TSPT, en examinant 58 articles en anglais et en français. Elle propose ensuite une étude de cas sur les données de la phase 1 (2016) du programme 13-Novembre. Il s'agit d'une étude exploratoire visant à identifier les marqueurs linguistiques les plus associés au TSPT. L'originalité de cette étude réside dans sa méthode, qui se veut exhaustive quant aux marqueurs linguistiques étudiés, tout en faisant preuve de rigueur et de diversité dans les outils statistiques employés. Par la suite, la thèse vérifie la capacité de généralisation des marqueurs identifiés sur les données de la phase 2 ainsi que sur un autre corpus de témoignages (Hommes Auteurs de Violence). Enfin, les travaux se focalisent sur des phénomènes spécifiques tels que l'analyse de l'évitement dans les textes et la désorganisation du discours. Pour l'évitement, nous avons proposé une approche qualitative basée sur l'analyse des figures de style. En ce qui concerne la désorganisation du discours, nous avons développé une approche à partir de données synthétiques pour évaluer la capacité des méthodes de TALN à détecter ce phénomène dans les textes. Ces dernières contributions dépassent le cas d'application au TSPT et s'inscrivent dans un contexte plus large, celui de la détection des troubles de la pensée (“Thought Disorder”).Ce projet s'inscrit dans une littérature déjà riche mais se distingue par son approche transdisciplinaire et la qualité des données utilisées.

This research project, supported by the 13-Novembre program and the ''Île-de-France'' region, focuses on the link between language and Post-Traumatic Stress Disorder (PTSD). Characterizing this link could enable the use of language as a marker for monitoring and contributing to diagnosis in psychiatric clinics. This could significantly impact the care, treatment, and follow-up of patients with PTSD. Specifically, it would help prioritize traumatized individuals during large-scale events such as terrorist attacks, epidemics, or natural disasters when the demand for psychiatric care far exceeds the available supply.Building on recent advances in natural language processing (NLP) and the exceptional richness of the testimony corpus collected during phases 1 (2016) and 2 (2018) of the 13-Novembre program, we propose to construct and interpret supervised text classification models to better describe and understand PTSD.This thesis presents a comprehensive analysis of the literature on the role of language as an indicator of PTSD, examining 58 articles in English and French. It then offers a case study based on the data from phase 1 (2016) of the 13-Novembre program. This exploratory study aims to identify the linguistic markers most associated with PTSD. The originality of this study lies in its method, which aims to be exhaustive regarding the linguistic markers studied, while also showing rigor and diversity in the statistical tools employed. Subsequently, the thesis tests the generalizability of the identified markers using data from phase 2 and another corpus of testimonies (Men Perpetrators of Violence).Finally, the research focuses on specific phenomena such as the analysis of avoidance in texts and discourse disorganization. For avoidance, we proposed a qualitative approach based on the analysis of stylistic figures. Regarding discourse disorganization, we developed an approach using synthetic data to assess the ability of NLP methods to detect this phenomenon in texts. These latter contributions go beyond the specific application to PTSD and fit into a broader context of detecting thought disorders.This project fits into an already rich body of literature but stands out due to its interdisciplinary approach and the quality of the data used.