تشخیص زودهنگام افسردگی با هوش مصنوعی از طریق تحلیل حالات چهره

افسردگی، یکی از شایع‌ترین چالش‌های سلامت روان در جهان، اغلب با تغییرات محسوس در حالات چهره همراه است. اما آیا می‌توان نشانه‌های اولیه و خفیف این بیماری را، حتی پیش از بروز علائم بالینی کامل، از طریق تحلیل چهره شناسایی کرد؟ محققان ژاپنی با بهره‌گیری از هوش مصنوعی، به این پرسش پاسخ مثبت داده‌اند و راهی نوین برای تشخیص زودهنگام افسردگی زیرآستانه‌ای گشوده‌اند.

افسردگی زیرآستانه‌ای و چالش‌های تشخیص

افسردگی زیرآستانه‌ای (Subthreshold Depression - StD) به حالتی گفته می‌شود که فرد علائم خفیفی از افسردگی را تجربه می‌کند، اما این علائم به اندازه‌ای شدید نیستند که معیارهای تشخیصی افسردگی بالینی را برآورده کنند. با این حال، این وضعیت یک عامل خطر مهم برای ابتلا به افسردگی کامل محسوب می‌شود. تشخیص زودهنگام StD می‌تواند نقش حیاتی در پیشگیری و ارائه مراقبت‌های به‌موقع ایفا کند، اما شناسایی آن به دلیل ظرافت علائم، همواره دشوار بوده است.

رویکرد نوین دانشگاه واسدا

دانشیار اریکو سوگیموری و دانشجوی دکترا مایو یاماگوچی از دانشکده علوم انسانی دانشگاه واسدا ژاپن، با هدف بررسی ارتباط بین افسردگی زیرآستانه‌ای و تغییرات حالات چهره، مطالعه‌ای پیشگامانه انجام دادند. این تحقیق که در تاریخ ۲۱ آگوست ۲۰۲۵ در مجله «Scientific Reports» منتشر شد، از داده‌های چهره و هوش مصنوعی برای تحلیل حالات دانشجویان کارشناسی ژاپنی بهره گرفت.

سوگیموری اظهار داشت: «با توجه به افزایش نگرانی‌ها در مورد سلامت روان، من 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.»

روش‌شناسی مطالعه

در این مطالعه، از ۶۴ دانشجوی دانشگاه ژاپنی خواسته شد تا 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، تیم تحقیقاتی از سیستم هوش مصنوعی OpenFace 2.0 برای ردیابی و تجزیه و تحلیل حرکات ریز عضلات صورت در همان ویدیوها استفاده کرد.

یافته‌های کلیدی: الگوهای متمایز چهره

نتایج این تحقیق، الگوهای ثابتی را آشکار ساخت:

• دانشجویانی که علائم افسردگی زیرآستانه‌ای را گزارش کرده بودند، توسط همسالانشان به عنوان افرادی با صمیمیت، ابراز احساسات و دوست‌داشتنی بودن کمتر ارزیابی شدند.
• نکته قابل توجه این بود که این افراد به عنوان خشک، متظاهر یا عصبی قضاوت نشدند، که نشان می‌دهد StD به جای ایجاد ظاهری آشکارا منفی، ابراز احساسات مثبت را کاهش می‌دهد.

تجزیه و تحلیل هوش مصنوعی، الگوهای خاصی از حرکات چشم و دهان را در شرکت‌کنندگان مبتلا به StD شناسایی کرد. این حرکات شامل:

• بالا بردن ابرو به سمت داخل
• بالا بردن پلک بالایی
• کشیدن لب
• باز کردن دهان

این حرکات ظریف عضلانی، حتی اگر برای ناظران آموزش ندیده بسیار جزئی بودند، به شدت با نمرات افسردگی مرتبط بودند.

ملاحظات فرهنگی و کاربردهای آینده

محققان تأکید کردند که این مطالعه با دانشجویان ژاپنی انجام شده است، که با توجه به تأثیر هنجارهای فرهنگی بر نحوه ابراز احساسات، نکته مهمی است. این رویکرد جدید می‌تواند کاربردهای گسترده‌ای در زمینه سلامت روان داشته باشد:

• غربالگری و تشخیص زودهنگام: در مدارس، دانشگاه‌ها و محیط‌های کاری.
• فناوری سلامت روان: ادغام در پلتفرم‌های سلامت دیجیتال و برنامه‌های سلامت کارکنان.

سوگیموری نتیجه‌گیری می‌کند: «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.»