تشخیص زودهنگام «اضطراب زیر آستانه» با هوش مصنوعی و تحلیل حالات چهره

افسردگی، یکی از شایع‌ترین چالش‌های سلامت روان، اغلب با نادیده گرفتن نشانه‌های اولیه آن همراه است. این بیماری معمولاً با کاهش قابلیت بیان چهره‌ای مرتبط است، اما ارتباط میان افسردگی خفیف یا «اضطراب زیر آستانه» (StD) با تغییرات در بیان چهره‌ای تاکنون نامشخص بود. «اضطراب زیر آستانه» حالتی خفیف از علائم افسردگی است که معیارهای تشخیصی را برآورده نمی‌کند، اما همچنان یک عامل خطر مهم برای ابتلا به افسردگی محسوب می‌شود.

تحقیقات پیشگامانه در دانشگاه واسدا

«اریکو سوگیموری»، استادیار، و «مایو یاماگوچی»، دانشجوی دکترا از دانشگاه واسدا در ژاپن، با بهره‌گیری از داده‌های چهره‌ای و هوش مصنوعی، به بررسی تغییرات در بیان چهره‌ای دانشجویان ژاپنی پرداختند. هدف اصلی این تحقیق، درک چگونگی تأثیر نشانه‌های غیرکلامی ظریف مانند بیان چهره‌ای بر برداشت‌های اجتماعی و بازتاب سلامت روان از طریق تحلیل چهره‌ای مبتنی بر هوش مصنوعی بود.

روش‌شناسی مطالعه و نتایج کلیدی

در این مطالعه، از ۶۴ دانشجوی ژاپنی خواسته شد تا ویدئوهای کوتاه معرفی خود را ضبط کنند. سپس، گروه دیگری متشکل از ۶۳ دانشجو، میزان رسا بودن، دوستانه بودن، طبیعی بودن یا دوست‌داشتنی بودن سخنرانان را ارزیابی کردند. همزمان، تیم تحقیقاتی از سامانه هوش مصنوعی «OpenFace 2.0» که قادر به ردیابی حرکات کوچک در عضلات صورت است، برای تحلیل دقیق ویدئوها استفاده کرد.

نتایج این تحقیق الگوی ثابتی را نشان داد: دانشجویانی که علائم «اضطراب زیر آستانه» را گزارش کرده بودند، توسط همتایانشان به میزان کمتری دوستانه، رسا و دوست‌داشتنی ارزیابی شدند. با این حال، آنها به عنوان افراد خشک، ساختگی یا عصبی ارزیابی نشدند.

این یافته حاکی از آن است که «اضطراب زیر آستانه» به طور مستقیم باعث نمی‌شود افراد منفی به نظر برسند، بلکه بیان مثبت آنها را کاهش می‌دهد. تحلیل هوش مصنوعی الگوهای خاصی از حرکات چشم و دهان را شناسایی کرد که در شرکت‌کنندگان دارای این اختلال رایج‌تر بود. این حرکات شامل بالا بردن ابروها، بالا بردن پلک بالایی، کشیدن لب و حرکات باز شدن دهان می‌شد. این حرکات ظریف عضلانی به شدت با تعیین میزان افسردگی مرتبط بودند، اگرچه برای ناظران آموزش‌ندیده قابل تشخیص نبودند.

اهمیت فرهنگی و کاربردهای آینده

محققان تأکید می‌کنند که مطالعه با دانشجویان ژاپنی یک ملاحظه مهم است، زیرا هنجارهای فرهنگی تأثیر بسزایی بر نحوه بیان احساسات افراد دارند.

«سوگیموری» توضیح می‌دهد: «رویکرد نوآورانه ما در استفاده از ویدئوهای کوتاه معرفی خود و تحلیل خودکار بیان چهره‌ای می‌تواند برای غربالگری و تشخیص سلامت روان در مدارس، دانشگاه‌ها و محیط‌های کاری استفاده شود. این مطالعه یک ابزار جدید، در دسترس و غیرتهاجمی برای تحلیل چهره‌ای مبتنی بر هوش مصنوعی ارائه می‌دهد که جهت تشخیص زودهنگام افسردگی، قبل از ظهور علائم بالینی، کاربرد دارد. این رویکرد امکان مداخلات زودهنگام و مراقبت به موقع از سلامت روان را فراهم می‌سازد.»

«اضطراب زیر آستانه» با تغییر در بیان چهره و شکل‌گیری برداشت از طریق ارزیابی‌های ذهنی مرتبط است. این اختلال با بیان مثبت خاموش و الگوهای متمایز حرکات چشم و دهان همراه بود، اما بر قضاوت‌های اولیه ناظران تأثیری نداشت.

نتیجه‌گیری و چشم‌اندازها

این یافته‌ها در مجموع نشان می‌دهد که «اضطراب زیر آستانه» با تغییراتی در بیان چهره‌ای، به ویژه در بیان‌های مثبت، مرتبط است، در حالی که بر نحوه درک دیگران از آن بیان‌ها تأثیر چندانی ندارد. این رویکرد می‌تواند در فناوری سلامت روان، پلتفرم‌های سلامت دیجیتال یا برنامه‌های رفاه کارکنان برای نظارت کارآمد بر سلامت روانی مورد استفاده قرار گیرد.

این مطالعه در مجله معتبر Scientific Reports منتشر شده است.