Composition de l’équipe
Busayo Ososanwo, Edidiong Okon, Nusrat Jahan, Saja AbuFarha, Yuechun (Esther) Wei
Résumé du projet
WellNest est un assistant bien-être qui regroupe, sur une même plateforme intelligente, le dépistage prédictif des troubles périnataux, des services de soutien en santé mentale et des soins adaptés aux réalités culturelles.
Mots-clés
Santé maternelle, dépression postnatale, soins périnataux, dépistage prédictif, AI4Good, femtech, soins de santé multiculturels, assistant bien-être, équité en matière de santé numérique
Site web
Contexte
Plus de 700 femmes meurent chaque jour de complications évitables liées à la grossesse et à l’accouchement. Cela équivaut à un décès toutes les deux minutes. S’ajoute à cela la dépression postnatale, qui touche près d’une femme sur dix, voire une sur sept selon certaines sources. Ces statistiques mettent en lumière des lacunes chroniques et systémiques dans les soins maternels partout dans le monde.
Au Canada comme ailleurs, les communautés racisées, immigrantes et défavorisées courent des risques disproportionnés en raison de complications non détectées, de diagnostics tardifs et de besoins psychologiques ignorés. Trop souvent, la santé physique et la santé mentale sont traitées de manière cloisonnée, les conjoints et conjointes sont tenus à l’écart, et les dossiers médicaux demeurent dispersés et incomplets.
L’urgence de cette problématique est attestée par l’expérience personnelle de deux membres de notre équipe. L’une a perdu un être cher des suites de complications non détectées, tandis qu’une autre a frôlé la mort pendant l’accouchement. Ce sont là des tragédies pourtant évitables. Ces drames révèlent l’absence d’un système capable d’anticiper les risques, d’offrir du soutien affectif et d’accompagner les familles à toutes les étapes de leur cheminement.
C’est précisément en réponse à ce besoin qu’est née l’application WellNest.
Technologies utilisées
- Modèles d’apprentissage automatique : algorithme LightGBM, forêts aléatoires pour la classification des risques liés à la santé physique (taux d’exactitude prévisionnelle de 87,5 %).
- Évaluation de la santé mentale : EPDS (échelle de dépistage de la dépression postnatale d’Édimbourg, un questionnaire en 10 questions).
- Robot conversationnel optimisé par LoRA (adaptation à faible rang) : robot entraîné à l’aide du modèle Phi-2 (2,6 millions de paramètres) afin de jouer un rôle de doula virtuelle dans le cadre d’échanges sécurisants et empathiques.
Fonctionnalités principales
- Détection des risques physiques : classification du risque (faible, moyen, élevé) à partir des signes vitaux
- Évaluation de la santé mentale : mesure du bien-être et recommandation de démarches appropriées;
- Robot conversationnel de type doula : assistant empathique, capable de détecter les propos préoccupants;
- Tableaux de bord pour la communauté et les soins (en développement) : ressources adaptées aux utilisatrices, aux partenaires et aux fournisseurs de services.
Contrairement à la plupart des plateformes qui se limitent à consigner les symptômes, WellNest propose une approche proactive et intégrée, qui s’adapte à la réalité et à la culture de chacun et chacune pour assurer un soutien personnalisé.
Méthodologie
Priorité à la conception : favoriser l’apaisement, la confiance et l’accessibilité
Nous avons débuté par l’étape de la conception pour tenir compte de la dimension profondément émotionnelle et personnelle des soins périnataux. Les parents ont besoin de plus que de simples fonctionnalités; ils ont besoin de s’informer, de dissiper les doutes et d’être rassurés.
- Image de marque et graphisme : à l’aide de Canva, nous avons élaboré des prototypes dans des tons de violet et de vert menthe. Le violet évoque le calme et la sérénité, tandis que le vert symbolise le renouveau et la guérison.
- Expérience utilisateur : nous avons opté pour un parcours de navigation simple et une présentation graduelle du contenu, où l’information est présentée petit à petit, sans submerger l’utilisatrice ou l’utilisateur.
- Accessibilité : une police de caractères contrastée et de larges zones cliquables ont été privilégiées d’emblée.
- Ton : que ce soit dans les interactions du robot conversationnel ou dans les tableaux de bord, le langage est bienveillant et inspiré de l’approche des doulas, sans jargon clinique.
Dès la phase de conception, nous avons tout mis en œuvre pour que WellNest évoque un véritable accompagnement humain.
Pile technologique et logique de conception
- Interface frontale : Lovable.dev a été privilégié pour concilier, dans les courts délais du labo, souplesse et rapidité d’exécution sans compromettre le rendu visuel.
- Données et authentification : nous avons choisi Supabase, qui contient une base de données Postgres sécurisée avec fonctions intégrées d’authentification et de sécurité au niveau des lignes.
- Apprentissage automatique et sécurité : nous avons fait appel à l’apprentissage ensembliste pour la détection des risques liés à la santé physique. Du côté de la santé mentale, nous avons appliqué l’échelle EPDS aux fins du dépistage et utilisé un assistant Phi-2 optimisé par LoRA, doté de mécanismes de déclenchement d’alertes et d’une logique d’escalade.
Méthode de développement
- Apprentissage automatique : modèles d’apprentissage ensembliste, validés à partir de plusieurs jeux de données sur les signes vitaux
- Intégration de la santé mentale : dépistage fondé sur l’échelle EPDS, assorti de recommandations en temps réel
- Conception du robot conversationnel : robot optimisé par LoRA, doté de mécanismes de déclenchement d’alertes et de procédures d’escalade
- Éthique de l’IA : la transparence des données, le consentement éclairé et l’atténuation des biais ont été intégrés à chacune des phases de développement.
Ce projet montre de manière convaincante le potentiel de l’apprentissage automatique dans un contexte de données fragmentées et largement inexploitées. La combinaison de l’analytique prédictive et d’une conception inclusive permet d’intervenir en temps opportun et, potentiellement, de sauver des vies.
Impact et innovation
Répondre à des besoins criants
WellNest comble trois lacunes majeures sur le plan de la détection précoce, du soutien affectif et de la continuité des soins.
Ce qui nous distingue
- Prédictif : grâce à l’apprentissage automatique, notre outil anticipe les risques au lieu de se limiter au suivi des symptômes.
- Inclusif : notre approche est adaptée aux particularités culturelles et transposable à l’échelle mondiale.
- Collaboratif : notre application contient des tableaux de bord à l’intention des proches aidants et des familles.
- Éthique : les utilisatrices gardent la mainmise sur leurs données grâce au consentement éclairé.
Contrairement à des applications de suivi de grossesse comme Flo et Ovia, WellNess redéfinit la technologie périnatale en regroupant, sur une même plateforme, santé prédictive, bien-être émotionnel et adaptation à la culture.
Retombées potentielles
- Prévenir les complications et sauver des vies grâce à des interventions précoces
- Optimiser la santé mentale après l’accouchement
- Réduire les inégalités en matière de santé dans les communautés marginalisées
- Accélérer la recherche mondiale sur la santé maternelle en fournissant des données anonymisées, recueillies avec le consentement des personnes concernées
Défis et solutions
- Fragmentation des dossiers médicaux : conception d’un système sécurisé, accessible partout dans le monde
- Biais dans les modèles prédictifs : validation continue des jeux de données avec l’appui de spécialistes d’horizons divers
- Manque de données inclusives en santé mentale : recours au questionnaire EPDS pour le dépistage en santé mentale
Leçons apprises et principales réalisations
- AI4Good : cette expérience nous a permis d’approfondir notre engagement en faveur d’une IA éthique et utile à la société.
- Méthodologie : nous avons constaté que la conception centrée sur l’utilisateur n’est pas un simple choix, mais une nécessité lorsqu’il s’agit de répondre à des besoins de santé aussi intimes.
- Réalisations : nous avons créé un produit minimum viable affichant un taux d’exactitude de 87,5 % pour la classification des risques et mis au point un robot conversationnel optimisé pour offrir un soutien émotionnel sûr et sans danger.
Prochaines étapes
- À court terme (automne 2025) : optimiser la performance du robot conversationnel, ajouter de nouveaux tableaux de bord, assurer la localisation multilingue et l’accès hors connexion, et perfectionner le moteur d’interaction communautaire.
- À long terme (2026) : déployer une version bêta restreinte au Canada, d’abord auprès de populations sous-desservies, en collaboration avec des doulas et des cliniques pour valider l’approche utilisée.
Références et crédits
Nous remercions sincèrement l’AI4Good Lab, qui a rendu possible la réalisation de ce projet. Un merci tout particulier à notre assistante d’enseignement, Andjela Mladenovic, et à notre mentore, Elnaz Davoodi, dont les conseils et l’expertise ont éclairé notre route à toutes les phases du développement. Nous remercions également les coordonnateurs et coordonnatrices du laboratoire pour cette belle occasion et un été formidable!
WellNest est bien plus qu’une application. Elle vise à combler les lacunes dans les soins maternels et à garantir que personne ne traverse ce moment important de la vie dans l’isolement, la détresse ou l’insécurité.