تشخیص افسردگی از نگاه اول؛ الگوریتم هوش مصنوعی پشت پرده حالات چهره
به گزارش گروه دانشگاه خبرگزاری دانشجو، افسردگی اغلب با تغییرات در حالات چهره مرتبط است. با این حال، ارتباط بین افسردگی خفیف، که به عنوان افسردگی زیرآستانه‌ای شناخته می‌شود، و تغییرات در حالات چهره هنوز مشخص نیست. اکنون، محققان با استفاده از هوش مصنوعی بررسی کرده‌اند که آیا افسردگی زیرآستانه‌ای تغییراتی در حالات چهره در بزرگسالان جوان ژاپنی نشان می‌دهد یا خیر. یافته‌ها الگو‌های حرکتی متمایز عضلات مرتبط با علائم افسردگی را نشان می‌دهد که ممکن است به تشخیص زودهنگام افسردگی کمک کند و راه را برای مراقبت‌های به موقع و پیشگیرانه از سلامت روان هموار سازد.
افسردگی یکی از رایج‌ترین چالش‌های سلامت روان است، اما علائم اولیه آن اغلب نادیده گرفته می‌شوند. این بیماری اغلب با کاهش بیان چهره مرتبط است. با این حال، اینکه آیا افسردگی خفیف یا افسردگی زیر آستانه (StD) (حالت خفیفی از علائم افسردگی که معیار‌های تشخیصی را برآورده نمی‌کند، اما یک عامل خطر برای ابتلا به افسردگی است) با تغییرات در بیان چهره مرتبط است، هنوز ناشناخته است.
با توجه به این موضوع، دانشیار اریکو سوگیموری و دانشجوی دکترا مایو یاماگوچی از دانشکده علوم انسانی دانشگاه واسدا ژاپن، اکنون با استفاده از داده‌های چهره و هوش مصنوعی، تغییرات در حالت چهره دانشجویان کارشناسی ژاپنی را بررسی کرده‌اند. این مطالعه در مجله Scientific Reports در ۲۱ آگوست ۲۰۲۵ منتشر شد.
سوگیموری می‌گوید: «از آنجایی که نگرانی‌ها در مورد سلامت روان رو به افزایش است، می‌خواستم با استفاده از تحلیل چهره مبتنی بر هوش مصنوعی، بررسی کنم که چگونه نشانه‌های غیرکلامی ظریف، مانند حالات چهره، برداشت‌های اجتماعی را شکل می‌دهند و سلامت روان را منعکس می‌کنند.»
محققان از ۶۴ دانشجوی دانشگاه ژاپنی خواستند که ویدیو‌های کوتاهی از معرفی خود ضبط کنند. سپس گروه دیگری متشکل از ۶۳ دانشجو، میزان رسا بودن، دوستانه بودن، طبیعی بودن یا دوست‌داشتنی بودن گویندگان را ارزیابی کردند. همزمان، این تیم از OpenFace ۲.۰، یک سیستم هوش مصنوعی که حرکات ریز عضلات صورت را ردیابی می‌کند، برای تجزیه و تحلیل همان ویدیو‌ها استفاده کرد.
نتایج، الگوی ثابتی را نشان داد. دانش‌آموزانی که علائم افسردگی زیر آستانه‌ای را گزارش کردند، توسط همسالانشان به عنوان افرادی با صمیمیت، ابراز احساسات و دوست‌داشتنی بودن کمتر ارزیابی شدند. جالب توجه است که آنها به عنوان افرادی خشک، متظاهر یا عصبی قضاوت نشدند. این نشان می‌دهد که اختلال شخصیت مرزی باعث نمی‌شود افراد آشکارا منفی به نظر برسند، بلکه ابراز احساسات مثبت آنها را کاهش می‌دهد.
تجزیه و تحلیل هوش مصنوعی الگو‌های خاصی از حرکات چشم و دهان، مانند بالا بردن ابرو به سمت داخل، بالا بردن پلک بالایی، کشیدن لب و باز کردن دهان را نشان داد که در شرکت‌کنندگان مبتلا به بیماری مقاربتی بیشتر دیده می‌شد. این حرکات ظریف عضلانی به شدت با نمرات افسردگی مرتبط بودند، حتی اگر برای ناظران آموزش ندیده بسیار جزئی بودند.
محققان خاطرنشان می‌کنند که مطالعه‌ی آنها با دانشجویان ژاپنی انجام شده است، که با توجه به اینکه هنجار‌های فرهنگی بر نحوه‌ی ابراز احساسات افراد تأثیر می‌گذارند، نکته‌ی مهمی است.
سوگیموری می‌گوید: «رویکرد جدید ما در ویدیو‌های کوتاه معرفی خود و تحلیل خودکار حالات چهره می‌تواند برای غربالگری و تشخیص سلامت روان در مدارس، دانشگاه‌ها و محل‌های کار به کار گرفته شود.
رویکرد پیشنهادی می‌تواند در فناوری سلامت روان، پلتفرم‌های سلامت دیجیتال یا برنامه‌های سلامت کارکنان برای نظارت مؤثر بر سلامت روان مورد استفاده قرار گیرد.
سوگیموری نتیجه‌گیری می‌کند: «به‌طور کلی، مطالعه ما یک ابزار تحلیل چهره مبتنی بر هوش مصنوعی جدید، در دسترس و غیرتهاجمی برای تشخیص زودهنگام افسردگی (قبل از ظهور علائم بالینی) ارائه می‌دهد که امکان مداخلات زودهنگام و مراقبت به‌موقع از سلامت روان را فراهم می‌کند.»
