La représentation des connaissances médicales sur les liens entre signes et maladies en psychiatrie soulève des questionnements majeurs, à commencer par la formalisation de définition de ce qu’est un trouble mental. C’est la raison de l’apparition et de l’utilisation des différentes versions de la CIM, puis des DSM-IV et DSM-5, de la matrice RDOC et des réseaux causaux.

Dans ce contexte, les outils de l’Intelligence Artificielle (IA) permettent de proposer plusieurs axes d’analyse de la représentation des connaissances médicales en psychiatrie, quel que soit le point de vue adopté – psychanalytique ou biologisant –, sans pour autant remettre en cause les nosographies existantes.

En permettant de fouiller les textes écrits par les professionnels de santé dans le cadre du soin, on peut élaborer une ou plusieurs ontologies de la psychiatrie reflétant la pratique qui a justifié l’écriture de ces textes. Ces ressources peuvent être ensuite comparées ou alignées aux classifications susnommées pour les analyser. Il est ainsi possible d’appliquer des mesures de proximité entre deux concepts présents dans une ontologie pour tester les différences d’intentions sous-jacentes, d’extension ou d’expression. Ces analyses ouvrent des perspectives de curation des ontologies ou des autres modèles de connaissances [1]. Enfin, pour peu que l’on ait les corpus adéquats, les méthodes de fouille de texte peuvent aussi enrichir ces modèles sur des parties que l’on veut affiner ou sur des versants peu développés comme le pan social [2].

Les méthodes de fouille de données et d’apprentissage de l’IA permettent d’analyser par la suite des données de patients pour extraire des phénotypes ou génotypes pertinents de troubles mentaux dans le but de compléter les connaissances causales ou de proposer des soins plus ciblés dans le contexte de la médecine translationnelle [3].