En psychiatrie légale, les magistrats posent la question de l’existence d’un risque de récidive et de la dangerosité aux experts psychiatres. Les études de suivi en psychiatrie légale ont montré que les éléments psychiatriques prédictifs de récidive étaient liés essentiellement aux pathologies mentales graves, consommations de toxiques, addictions, niveaux élevés d’impulsivité, insight faible, troubles de personnalité associés, en particulier troubles de personnalité antisociale. Il existe aussi des facteurs de protection, en particulier l’observance des traitements. Compte tenu de la complexité des facteurs de risque et de protection psychiatriques et criminologiques, l’intelligence artificielle (IA) peut-elle aider psychiatres et magistrats à améliorer la prédictivité des récidives ?

Revue systématique de la littérature sur les applications de l’IA dans la prédiction des récidives en Psychiatrie légale, réalisée selon les critères PRISMA, utilisant les mots-clés « Artificial Intelligence », « Recidivism », « PersonalityDisorder », « Impulsive Behavior », « Alcohol abuse », « Drug Abuse », « Schizophrenia », « Bipolardisorder » sur les bases de données PubMed, Science Direct, Clinical Trial et Google Scholar.

La grande majorité des études est issue de revues juridiques ou informatiques et très peu des bases de données médicales. Les études évaluant l’IA en Psychiatrie légale ont utilisé le plus souvent le Machine Learning à partir de données sociodémographiques, sociologiques, criminologiques, notamment l’âge de la première infraction et le nombre de condamnations antérieures. A ce jour, il n’y a que très peu d’études évaluant des paramètres psychiatriques, portant surtout sur les troubles de personnalité psychopathiques.

Les applications de l’IA en Psychiatrie légale sont encore très prématurées. Cependant, certains critères psychiatriques devraient avoir une place plus importante dans ce champ, en particulier ceux issus des échelles HCR-20 de Webster et PCLR de Hare. L’enjeu sera également de trouver les mots-clés comportementaux, psychologiques et psychiatriques pertinents à inclure en IA.

In forensic psychiatry, magistrates raise the question of the existence of a risk of recidivism and dangerousness to psychiatric experts. Follow-up studies in forensic psychiatry showed that the psychiatric elements predictive of recidivism were mainly related to serious mental illnesses, toxic consumption, addictions, high levels of impulsivity, low insight, associated personality disorders, in particular antisocial personality disorders. There are also protective factors, in particular the observance of treatments. Given the complexity of psychiatric and criminological risk factors and protection, can artificial intelligence (AI) help psychiatrists and magistrates to improve the predictivity of recidivism?

Systematic review of the literature on AI applications in the prediction of recidivism in forensic psychiatry, conducted according to PRISMA criteria, using the: “Artificial Intelligence”, “Recidivism”, “Personality Disorder”, “Impulsive” Behavior”, “Alcohol abuse”, “Drug Abuse”, “Schizophrenia”, “Bipolar disorder” on the PubMed, Science Direct, Clinical Trial and Google Scholar databases.

The vast majority of studies come from legal or computer reviews and very few from medical databases. The studies evaluating the AI in Forensic Psychiatry most often used Machine Learning based on sociodemographic, sociological and criminological data, notably the age of the first offense and the number of previous convictions. To date, there are very few studies evaluating psychiatric parameters, focusing on psychopathic personality disorders.

The applications of the AI in Forensic Psychiatry are still very premature. However, some psychiatric criteria should be more prominent in this field, especially those from Webster's HCR-20 and Hare PCL-R scales. The challenge will also be to find relevant behavioral, psychological and psychiatric keywords to include in AI.