Une prise de sang peut repérer des variations biologiques.
Une montre peut enregistrer des rythmes d’activité.
Un programme en ligne peut réduire certains symptômes.
Le diagnostic ne suffit pas.
La recherche en santé mentale avance par signaux partiels. Elle observe des microARN dans le sang, des mouvements enregistrés au poignet et des changements de symptômes après une thérapie numérique. Ces données aident à comprendre les troubles. Elles ne transforment pas encore une montre ou un tube de sang en psychiatre miniature.
Le sang repère des écarts, pas une étiquette
En 2023, une étude publiée dans Translational Psychiatry a examiné les microARN contenus dans des vésicules extracellulaires du sérum d’adolescents. Ces vésicules participent à la communication entre les cellules et peuvent transporter des microARN, de courts fragments capables de réguler l’expression de plusieurs gènes.
L’équipe a étudié 116 adolescents issus d’une cohorte brésilienne, avec deux temps de mesure séparés par trois ans. Les chercheurs ont comparé des participants présentant un trouble dépressif majeur, un trouble anxieux ou un TDAH à ceux qui n’avaient pas de diagnostic. Ils ont aussi observé quatre trajectoires : diagnostic persistant, apparition du trouble, rémission et absence de diagnostic.
Les résultats différaient selon le moment observé. À la première mesure, le groupe TDAH présentait une augmentation de miR-328-3p. À la seconde, le groupe présentant un trouble dépressif majeur montrait une diminution de plusieurs microARN, dont miR-4433b-5p, miR-584-5p, miR-625-3p, miR-432-5p et miR-409-3p. Des diminutions de miR-432-5p, miR-151a-5p et miR-584-5p apparaissaient aussi dans le groupe anxieux. L’analyse longitudinale, elle, ne trouvait aucun résultat statistiquement significatif.
La portée de ce résultat reste étroite. L’étude associe certains profils biologiques à des groupes diagnostiques à un moment donné. Elle ne montre pas qu’un microARN provoque une dépression, un TDAH ou un trouble anxieux. Elle ne permet pas non plus de dire qu’un adolescent développera l’un de ces troubles à partir d’une simple analyse sanguine.
La montre mesure un rythme, pas une pensée

Les objets portés au poignet offrent une autre piste. Une étude publiée en 2025 dans Scientific Data a présenté OBF-Psychiatric, un jeu de données consacré à l’activité motrice de personnes présentant une dépression majeure, une schizophrénie, un TDAH ou un trouble bipolaire. Il comprend aussi des participants présentant différents troubles de l’humeur ou de l’anxiété, ainsi qu’un groupe témoin en bonne santé.
Le jeu de données rassemble 162 personnes et 1 565 jours d’enregistrement, soit une moyenne de 9,6 jours par participant. Les chercheurs peuvent y étudier la régularité de l’activité, les périodes d’immobilité et les variations de mouvement. La base a été conçue pour la recherche et l’entraînement de modèles d’apprentissage automatique.
OBF-Psychiatric n’est pas un test clinique validé. Sa composition permet de comparer des groupes et d’examiner des mesures d’activité motrice, mais elle ne fournit pas à elle seule un biomarqueur reconnu pour déterminer ou diagnostiquer un trouble psychiatrique.
Une montre mesure un comportement observable. Elle ne connaît ni l’intention, ni le vécu, ni la signification de ce comportement. Une même période de faible activité peut donc prendre des sens différents selon la situation de la personne.
Le poids augmente un risque, il ne raconte pas toute l’histoire
Les facteurs corporels peuvent aussi être associés à l’apparition de troubles psychiques. Une étude publiée en 2022 dans BMC Psychiatry a utilisé les données de NEMESIS-2, une cohorte psychiatrique représentative de la population néerlandaise. Elle a suivi 5 303 adultes âgés de 18 à 64 ans entre une première vague menée de novembre 2007 à juillet 2009 et une seconde réalisée de novembre 2010 à juin 2012.
Après ajustement sur plusieurs variables, les personnes obèses au début de l’étude présentaient un risque plus élevé de développer un trouble de l’humeur ou de l’anxiété au suivi de trois ans que les personnes ayant un indice de masse corporelle considéré comme normal. Le rapport de cotes était de 1,71, avec un intervalle de confiance de 1,11 à 2,62.
Ce résultat décrit une association dans une population suivie. Il ne prouve pas que l’obésité provoque à elle seule un trouble mental. Même lorsque les chercheurs ajustent leurs analyses sur plusieurs variables, ils ne peuvent pas transformer une association statistique en explication complète d’une trajectoire individuelle.
Un chiffre d’IMC ne résume ni l’estime de soi, ni l’humeur, ni la qualité des relations. Utilisé sans contexte, il peut déplacer la discussion vers le poids au lieu d’examiner la souffrance qui conduit une personne à consulter.
La thérapie en ligne agit sur les symptômes déjà présents

Les outils numériques ne servent pas uniquement à mesurer. Ils peuvent aussi proposer un traitement. Une revue systématique publiée en 2024 dans Digital Health a examiné les méta-analyses consacrées à la thérapie cognitivo-comportementale délivrée par internet chez l’adulte, pour des troubles psychiatriques et certaines affections somatiques. La recherche, menée jusqu’en mars 2024, a retenu 39 méta-analyses parmi 6 509 références et 19 résultats distincts.
Cette thérapie en ligne, souvent appelée ICBT, peut inclure l’accompagnement d’un clinicien. Les effets comparés à des conditions témoins allaient de faibles à importants. Pour le stress chez les salariés, l’effet standardisé était de 0,10. Pour les symptômes dépressifs chez les adultes âgés, il atteignait 1,20.
Ces écarts montrent que le résultat dépend du problème traité, de la population et du dispositif utilisé. La revue signale aussi des lacunes, notamment pour les troubles psychotiques, ainsi que la nécessité d’améliorer la qualité méthodologique des méta-analyses disponibles.
Une thérapie numérique peut réduire des symptômes chez certaines personnes, mais elle ne valide pas un biomarqueur. Elle répond à une difficulté identifiée. Elle ne prédit pas mécaniquement qui souffrira demain.
Passer du signal à la décision clinique
Surtout, un outil de suivi devient utile lorsqu’il nourrit une évaluation plutôt qu’une chasse au diagnostic. Pour organiser les informations sans leur donner un poids excessif, quatre étapes peuvent aider :
- Décrire le changement. Notez ce qui varie : sommeil, concentration, énergie, activité, évitement, humeur ou crises d’angoisse.
- Dater les épisodes. Une semaine difficile ne raconte pas la même chose qu’un symptôme qui dure, revient ou s’installe sans lien clair avec un événement.
- Mesurer les conséquences. Observez si le changement perturbe le travail, les études, les relations, les soins du quotidien ou la capacité à ressentir du plaisir.
- Partager les données avec un professionnel. Un relevé d’activité peut compléter la discussion. Il ne doit pas remplacer l’entretien clinique et l’analyse du contexte.
La persistance, la récurrence, la souffrance et la perte de fonctionnement pèsent davantage dans une décision de soin qu’une variation isolée sur une application. Le bon outil n’est donc pas celui qui promet de tout détecter. C’est celui qui rend le vécu plus précis et la conversation clinique plus concrète.
Un signal aide. Une évaluation décide.
Sources et références scientifiques
- Alterations in microRNA of extracellular vesicles associated with major depression, attention-deficit/hyperactivity and anxiety disorders in adolescents – PMC. Translational psychiatry. DOI: 10.1038/s41398-023-02326-4 · PMID: 36746925.
- 1.Vos T, Lim SS, Abbafati C, Abbas KM, Abbasi M, Abbasifard M, et al. Global burden of 369 diseases and injuries in 204 countries and territories, 1990-2019: a systematic analysis for the Global Burden of Disease Study 2019. Lancet. 2020;396:1204-22. doi: 10.1016/S0140-6736(20)30925-9. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/S0140-6736(20)30925-9.
- 2.Pettersson E, Lichtenstein P, Larsson H, Song J, Attention Deficit/Hyperactivity Disorder Working Group of the iPSYCH-Broad-PGC Consortium, Autism Spectrum Disorder Working Group of the iPSYCH-Broad-PGC Consortium, Bipolar Disorder Working Group of the PGC, Eating Disorder Working Group of the PGC, Major Depressive Disorder Working Group of the PGC, Obsessive Compulsive Disorders and Tourette Syndrome Working Group of the PGC, Schizophrenia CLOZUK, Substance Use Disorder Working Group of the P.
- 3.Sullivan PF, Kendler KS, Neale MC. Schizophrenia as a complex trait: evidence from a meta-analysis of twin studies. Arch Gen Psychiatry. 2003;60:1187-92. doi: 10.1001/archpsyc.60.12.1187. [DOI] [PubMed] [Google Scholar]. doi:10.1001/archpsyc.60.12.1187.
- 4.Gandal MJ, Haney JR, Parikshak NN, Leppa V, Ramaswami G, Hartl C, et al. Shared molecular neuropathology across major psychiatric disorders parallels polygenic overlap. Science. 2018;359:693-7. [Google Scholar].
- 5.International Schizophrenia Consortium. Purcell SM, Wray NR, Stone JL, Visscher PM, O’Donovan MC, et al. Common polygenic variation contributes to risk of schizophrenia and bipolar disorder. Nature. 2009;460:748-52. doi: 10.1038/nature08185. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/nature08185.
- 6.Boyce WT, Sokolowski MB, Robinson GE. Genes and environments, development and time. Proc Natl Acad Sci USA. 2020;117:23235-41. doi: 10.1073/pnas.2016710117. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1073/pnas.2016710117.
- 7.Thapar A, Riglin L. The importance of a developmental perspective in Psychiatry: what do recent genetic-epidemiological findings show? Mol Psychiatry. 2020;25:1631-9. doi: 10.1038/s41380-020-0648-1. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41380-020-0648-1.
- 8.Lachenal G, Pernet-Gallay K, Chivet M, Hemming FJ, Belly A, Bodon G, et al. Release of exosomes from differentiated neurons and its regulation by synaptic glutamatergic activity. Mol Cell Neurosci. 2011;46:409-18. doi: 10.1016/j.mcn.2010.11.004. [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.mcn.2010.11.004.
- 9.Luarte A, Cisternas P, Caviedes A, Batiz LF, Lafourcade C, Wyneken U, et al. Astrocytes at the Hub of the Stress Response: Potential Modulation of Neurogenesis by miRNAs in Astrocyte-Derived Exosomes. Stem Cells Int. 2017;2017:1719050. doi: 10.1155/2017/1719050. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1155/2017/1719050.
- 10.Men Y, Yelick J, Jin S, Tian Y, Chiang MSR, Higashimori H, et al. Exosome reporter mice reveal the involvement of exosomes in mediating neuron to astroglia communication in the CNS. Nat Commun. 2019;10:4136. doi: 10.1038/s41467-019-11534-w. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1038/s41467-019-11534-w.
- 11.Krämer-Albers E-M, Bretz N, Tenzer S, Winterstein C, Möbius W, Berger H, et al. Oligodendrocytes secrete exosomes containing major myelin and stress-protective proteins: Trophic support for axons? Proteom Clin Appl. 2007;1:1446-61. doi: 10.1002/prca.200700522. [DOI] [PubMed] [Google Scholar]. doi:10.1002/prca.200700522.
- 12.van Niel G, D’Angelo G, Raposo G. Shedding light on the cell biology of extracellular vesicles. Nat Rev Mol Cell Biol. 2018;19:213-28. doi: 10.1038/nrm.2017.125. [DOI] [PubMed] [Google Scholar]. doi:10.1038/nrm.2017.125.
- Internet-delivered cognitive behaviour therapy for affective disorders, anxiety disorders and somatic conditions: An updated systematic umbrella review – PMC. Digital health. DOI: 10.1177/20552076241287643 · PMID: 39381818.
- 1.Thoma N, Pilecki B, McKay D. Contemporary cognitive behavior therapy: a review of theory, history, and evidence. Psychodyn Psychiatry 2015; 43: 423-461. [DOI] [PubMed] [Google Scholar].
- 2.David D, Cristea I, Hofmann SG. Why cognitive behavioral therapy is the current gold standard of psychotherapy. Front Psych 2018; 9: 4. [DOI] [PMC free article] [PubMed] [Google Scholar].
- rpenter JK, Andrews LA, Witcraft SM, et al. Cognitive behavioral therapy for anxiety and related disorders: a meta-analysis of randomized placebo-controlled trials. Depress Anxiety 2018; 35: 502-514. [DOI] [PMC free article] [PubMed] [Google Scholar].
- 4.Cuijpers P, Berking M, Andersson G, et al. A meta-analysis of cognitive-behavioural therapy for adult depression: alone and in comparison with other treatments. Can. J. Psychiatry 2013; 58: 376-385. [DOI] [PubMed] [Google Scholar].
- 5.van Straten A, van der Zweerde T, Kleiboer A, et al. Cognitive and behavioral therapies in the treatment of insomnia: a meta-analysis. Sleep Med Rev 2018; 38: 3-16. [DOI] [PubMed] [Google Scholar].
- 6.Andersson G. Internet interventions: past, present and future. Internet Interv 2018; 12: 181-188. [DOI] [PMC free article] [PubMed] [Google Scholar].
- 7.Andersson G, Carlbring P. Cognitive behavioral therapy delivered using the internet. In: Wenzel A. (ed) Handbook of cognitive behavioral therapy: applications, vol. 2 Washington, DC: American Psychological Association; 2021, pp. 607-631. [Google Scholar].
- 8.van der Vaart R, Worm-Smeitink M, Bos Y, et al. Implementing guided ICBT for chronic pain and fatigue: a qualitative evaluation among therapists and managers. Internet Interv 2019; 18: 100290. [DOI] [PMC free article] [PubMed] [Google Scholar].
- 9.Andersson G, Titov N, Dear BF, et al. Internet-delivered psychological treatments: from innovation to implementation. World Psychiatry 2019; 18: 20-28. [DOI] [PMC free article] [PubMed] [Google Scholar].
- 10.Andersson G, Carlbring P, Titov Net al. et al. Internet interventions for adults with anxiety and mood disorders: a narrative umbrella review of recent meta-analyses. Can J Psych 2019; 64: 465-470. [DOI] [PMC free article] [PubMed] [Google Scholar].
- 11.Niles AN, Axelsson E, Andersson E, et al. Internet-based cognitive behavior therapy for depression, social anxiety disorder, and panic disorder: effectiveness and predictors of response in a teaching clinic. Behav Res Ther 2021; 136: 103767. [DOI] [PubMed] [Google Scholar].
- 12.Haller K, Becker P, Niemeyer Het al. et al. Who benefits from guided internet-based interventions? A systematic review of predictors and moderators of treatment outcome. Internet Interv 2023; 33: 100635. [DOI] [PMC free article] [PubMed] [Google Scholar].
- Body Mass Index and risk for onset of mood and anxiety disorders in the general population: Results from the Netherlands Mental Health Survey and Incidence Study-2 (NEMESIS-2) – PMC. BMC psychiatry. DOI: 10.1186/s12888-022-04077-w · PMID: 35918662.
- 1.Obesity: preventing and managing the global epidemic. Report of a WHO consultation. World Health Organ Tech Rep Ser. 2000;894:i-xii, 1-253. PMID: 11234459. [PubMed].
- 2.Kim S, Popkin BM. Commentary: understanding the epidemiology of overweight and obesity–a real global public health concern. Int J Epidemiol. 2006 Feb;35(1):60-7; discussion 81-2. doi: 10.1093/ije/dyi255. Epub 2005 Dec 8. PMID: 16339598. [DOI] [PubMed]. doi:10.1093/ije/dyi255.
- 3.Williams EP, Mesidor M, Winters K, Dubbert PM, Wyatt SB. Overweight and Obesity: Prevalence, Consequences, and Causes of a Growing Public Health Problem. Curr Obes Rep. 2015;4(3):363-370. doi: 10.1007/s13679-015-0169-4. [DOI] [PubMed] [Google Scholar]. doi:10.1007/s13679-015-0169-4.
- 4.Gutin I. In BMI We Trust: Reframing the Body Mass Index as a Measure of Health. Soc Theory Health. 2018 Aug;16(3):256-271. doi: 10.1057/s41285-017-0055-0. Epub 2017 Oct 25. PMID: 31007613; PMCID: PMC6469873. [DOI] [PMC free article] [PubMed]. doi:10.1057/s41285-017-0055-0.
- 5.Mitchell NS, Catenacci VA, Wyatt HR, Hill JO. Obesity: overview of an epidemic. Psychiatr Clin North Am. 2011;34(4):717-732. doi: 10.1016/j.psc.2011.08.005.PMID:22098799;PMCID:PMC3228640. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/j.psc.2011.08.005.PMID:22098799;PMCID:PMC3228640.
- 6.Bruffaerts R, Demyttenaere K, Vilagut G, Martinez M, Bonnewyn A, De Graaf R, Haro JM, Bernert S, Angermeyer MC, Brugha T, Roick C, Alonso J. The relation between body mass index, mental health, and functional disability: a European population perspective. Can J Psychiatry. 2008;53(10):679-688. doi: 10.1177/070674370805301007. [DOI] [PubMed] [Google Scholar]. doi:10.1177/070674370805301007.
- 7.Scott KM, Bruffaerts R, Simon GE, Alonso J, Angermeyer M, de Girolamo G, Demyttenaere K, Gasquet I, Haro JM, Karam E, Kessler RC, Levinson D, Medina Mora ME, Oakley Browne MA, Ormel J, Villa JP, Uda H, Von Korff M. Obesity and mental disorders in the general population: results from the world mental health surveys. Int J Obes (Lond). 2008 Jan;32(1):192-200. doi: 10.1038/sj.ijo.0803701. Epub 2007 Aug 21. PMID: 17712309; PMCID: PMC2736857. [DOI] [PMC free article] [PubMed]. doi:10.1038/sj.ijo.0803701.
- 8.NCD Risk Factor Collaboration (NCD-RisC). Trends in adult body-mass index in 200 countries from 1975 to 2014: a pooled analysis of 1698 population-based measurement studies with 19·2 million participants. Lancet. 2016 Apr 2;387(10026):1377-1396. doi: 10.1016/S0140-6736(16)30054-X. Erratum in: Lancet. 2016 May 14;387(10032):1998. PMID: 27115820. [DOI] [PMC free article] [PubMed]. doi:10.1016/S0140-6736(16)30054-X.
- 9.Larsson U, Karlsson J, Sullivan M. Impact of overweight and obesity on health-related quality of life-a Swedish population study. Int J Obes Relat Metab Disord. 2002;26(3):417-424. doi: 10.1038/sj.ijo.0801919. [DOI] [PubMed] [Google Scholar]. doi:10.1038/sj.ijo.0801919.
- 10.Field AE, Coakley EH, Must A, Spadano JL, Laird N, Dietz WH, Rimm E, Colditz GA. Impact of overweight on the risk of developing common chronic diseases during a 10-year period. Arch Intern Med. 2001;161(13):1581-1586. doi: 10.1001/archinte.161.13.1581. [DOI] [PubMed] [Google Scholar]. doi:10.1001/archinte.161.13.1581.
- 11.Smith KB, Smith MS. Obesity Statistics. Prim Care. 2016 Mar;43(1):121-35, ix. doi: 10.1016/j.pop.2015.10.001. Epub 2016 Jan 12. PMID: 26896205. [DOI] [PubMed]. doi:10.1016/j.pop.2015.10.001.
- Wit L, Luppino F, van Straten A, Penninx B, Zitman F, Cuijpers P. Depression and obesity: a meta-analysis of community-based studies. Psychiatry Res. 2010;178(2):230-235. doi: 10.1016/j.psychres.2009.04.015. [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.psychres.2009.04.015.
- OBF-Psychiatric, a motor activity dataset of patients diagnosed with major depression, schizophrenia, and ADHD – PMC. Scientific data. DOI: 10.1038/s41597-025-04384-3 · PMID: 39779688.
- 1.Patel, V. et al. Transforming mental health systems globally: principles and policy recommendations. The Lancet402, 656-666, 10.1016/S0140-6736(23)00918-2 (2023). [DOI] [PubMed] [Google Scholar]. doi:10.1016/S0140-6736(23)00918-2.
- rk, M. Biomarkers in psychiatric disorders: status quo, impediments and facilitators. World Psychiatry22, 174, 10.1002/wps.21071 (2023). [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1002/wps.21071.
- 3.Cortese, S. et al. Candidate diagnostic biomarkers for neurodevelopmental disorders in children and adolescents: a systematic review. World Psychiatry22, 129-149, 10.1002/wps.21037 (2023). [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1002/wps.21037.
- 4.Abi-Dargham, A. et al. Candidate biomarkers in psychiatric disorders: state of the field. World Psychiatry22, 236-262, 10.1002/wps.21078 (2023). [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1002/wps.21078.
- 5.Ngor, A. et al. Bipolar and related disorders. In Atlas of Psychiatry, 493-529, 10.1007/978-3-031-15401-0_16 (Springer, 2023).. doi:10.1007/978-3-031-15401-0_16.
- 6.Malhi, G. S. & Mann, J. J. Depression. Lancet392, 2299-312, 10.1016/S0140-6736(18)31948-2 (2018). [DOI] [PubMed] [Google Scholar]. doi:10.1016/S0140-6736(18)31948-2.
- 7.Marder, S. R. & Cannon, T. D. Schizophrenia. New England Journal of Medicine381, 1753-1761, 10.1056/NEJMra1808803 (2019). [DOI] [PubMed] [Google Scholar]. doi:10.1056/NEJMra1808803.
- 8.Volkow, N. D. & Swanson, J. M. Adult attention deficit-hyperactivity disorder. New England Journal of Medicine369, 1935-1944, 10.1056/NEJMcp1212625 (2013). [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1056/NEJMcp1212625.
- 9.Dunn, J., Runge, R. & Snyder, M. Wearables and the medical revolution. Personalized medicine15, 429-448, 10.2217/pme-2018-0044 (2018). [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.2217/pme-2018-0044.
- 10.Huhn, S. et al. The impact of wearable technologies in health research: scoping review. JMIR mHealth and uHealth10, e34384, 10.2196/34384 (2022). [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.2196/34384.
- 11.Garcia-Ceja, E. et al. Mental health monitoring with multimodal sensing and machine learning: A survey. Pervasive and Mobile Computing51, 1-26, 10.1016/j.pmcj.2018.09.003 (2018). [Google Scholar]. doi:10.1016/j.pmcj.2018.09.003.
- 12.Burton, C. et al. Activity monitoring in patients with depression: a systematic review. Journal of affective disorders145, 10.1016/j.jad.2012.07.001 (2013). [DOI] [PubMed]. doi:10.1016/j.jad.2012.07.001.
- Podcast: Beyond ‘I’m Fine’: Navigating the Invisible Weight of Women’s.
