هوش مصنوعی نشانه‌های پنهان افسردگی را در چهره شناسایی می‌کند
تحلیل هوش مصنوعی الگوهای دقیقی از حرکات چشم و دهان، از جمله بالا رفتن ابروها، کشیدگی لب‌ها و باز شدن دهان را آشکار کرد که در افراد مبتلا به افسردگی خفیف بیشتر دیده می‌شد. این تغییرات هرچند با چشم غیرمسلح قابل تشخیص نبودند، با نمرات افسردگی ارتباط نزدیکی داشتند.
پژوهشگران برای تحلیل چهره ابزاری نوین مبتنی‌بر هوش مصنوعی ساخته‌اند که می‌تواند تفاوت‌های ظریف در حرکات چشم و دهان را که با افسردگی خفیف'>افسردگی خفیف (Subthreshold Depression) مرتبط است، آشکار کند. این نشانه‌های غیرکلامی که با چشم غیرمسلح قابل مشاهده نیستند، می‌توانند امکان غربالگری زودهنگام و غیرتهاجمی سلامت روان را در مدارس، دانشگاه‌ها و محیط‌های کاری فراهم کنند.
به گزارش مدیکال اکسپرس، افسردگی یکی از شایع‌ترین چالش‌های سلامت روان است، اما نشانه‌های اولیه آن اغلب از نظر دور می‌ماند. یکی از علائم این مشکل کاهش بروز احساسات و هیجان در چهره است. با این حال، تاکنون مشخص نبود آیا افسردگی خفیف'>افسردگی خفیف یا زیرآستانه‌ای که با علائم خفیف اما خطر بالای تبدیل به افسردگی شدید همراه است، باعث تغییر در حالات چهره می‌شود یا خیر.
بر این اساس، اریکو سوگیموری (استادیار) و مایو یاماگوچی (دانشجوی دکتری) از دانشکده علوم انسانی دانشگاه واسدا در ژاپن تغییرات حالات چهره دانشجویان ژاپنی را با استفاده از داده‌های تصویری و هوش مصنوعی بررسی کردند. این پژوهش ۲۱ اوت ۲۰۲۵ در نشریه گزارش‌های علمی (Scientific Reports) منتشر شد.
سوگیموری می‌گوید: «با افزایش نگرانی‌ها در مورد سلامت روان، می‌خواستیم بدانیم نشانه‌های غیرکلامی ظریف مثل حالات چهره چگونه ضمن شکل‌دادن به برداشت‌های اجتماعی، وضعیت روانی فرد را بازتاب می‌دهند. برای همین از تحلیل چهره مبتنی بر هوش مصنوعی استفاده کردیم.»
در این مطالعه، ۶۴ دانشجو ویدیوهای کوتاه معرفی از خود ضبط کردند. سپس گروهی دیگر متشکل از ۶۳ دانشجو این ویدیوها را تماشا کردند و نظر دادند که گویندگان تا چه حد دوستانه، طبیعی، دارای حالات چهره آشکار یا دوست‌داشتنی‌اند. هم‌زمان، پژوهشگران با استفاده از نرم‌افزار اوپن فیس۲ (OpenFace 2.0) حرکات ریز ماهیچه‌های صورت را در همان ویدیوها تحلیل کردند.
نتایج نشان داد دانشجویانی که علائم افسردگی خفیف'>افسردگی خفیف داشتند، از دید همسالانشان کمتر دوستانه، با احساسات کمتر نمایان در چهره و کمتر دوست‌داشتنی بودند. نکته جالب اینکه آن‌ها خشک یا عصبی به نظر نمی‌رسیدند، فقط چهره‌شان کمتر حس مثبت منتقل می‌کرد.
تحلیل هوش مصنوعی نیز الگوهای دقیقی از حرکات چشم و دهان، از جمله بالا رفتن ابروها، کشیدگی لب‌ها و باز شدن دهان را آشکار کرد که در افراد مبتلا به افسردگی خفیف'>افسردگی خفیف بیشتر دیده می‌شد. این تغییرات هرچند با چشم غیرمسلح قابل تشخیص نبودند، با نمرات افسردگی ارتباط نزدیکی داشتند.
البته پژوهشگران تاکید می‌کنند که این مطالعه روی دانشجویان ژاپنی انجام شده است و باید توجه داشت که هنجارهای فرهنگی در ابراز احساسات نقش مهمی دارند.
سوگیموری در پایان توضیح داد: «ترکیب ویدیوهای کوتاه و تحلیل خودکار حالات چهره می‌تواند به‌عنوان ابزاری نوآورانه برای غربالگری سلامت روان در مدارس و محیط‌های کاری به کار گرفته شود. این روش، ساده، غیرتهاجمی و در دسترس است و می‌تواند به شناسایی زودهنگام افسردگی و ارائه مراقبت‌های به‌موقع کمک کند.»
پژوهشگران برای تحلیل چهره ابزاری نوین مبتنی‌بر هوش مصنوعی ساخته‌اند که می‌تواند تفاوت‌های ظریف در حرکات چشم و دهان را که با افسردگی خفیف'>افسردگی خفیف (Subthreshold Depression) مرتبط است، آشکار کند. این نشانه‌های غیرکلامی که با چشم غیرمسلح قابل مشاهده نیستند، می‌توانند امکان غربالگری زودهنگام و غیرتهاجمی سلامت روان را در مدارس، دانشگاه‌ها و محیط‌های کاری فراهم کنند.
به گزارش مدیکال اکسپرس، افسردگی یکی از شایع‌ترین چالش‌های سلامت روان است، اما نشانه‌های اولیه آن اغلب از نظر دور می‌ماند. یکی از علائم این مشکل کاهش بروز احساسات و هیجان در چهره است. با این حال، تاکنون مشخص نبود آیا افسردگی خفیف'>افسردگی خفیف یا زیرآستانه‌ای که با علائم خفیف اما خطر بالای تبدیل به افسردگی شدید همراه است، باعث تغییر در حالات چهره می‌شود یا خیر.
بر این اساس، اریکو سوگیموری (استادیار) و مایو یاماگوچی (دانشجوی دکتری) از دانشکده علوم انسانی دانشگاه واسدا در ژاپن تغییرات حالات چهره دانشجویان ژاپنی را با استفاده از داده‌های تصویری و هوش مصنوعی بررسی کردند. این پژوهش ۲۱ اوت ۲۰۲۵ در نشریه گزارش‌های علمی (Scientific Reports) منتشر شد.
سوگیموری می‌گوید: «با افزایش نگرانی‌ها در مورد سلامت روان، می‌خواستیم بدانیم نشانه‌های غیرکلامی ظریف مثل حالات چهره چگونه ضمن شکل‌دادن به برداشت‌های اجتماعی، وضعیت روانی فرد را بازتاب می‌دهند. برای همین از تحلیل چهره مبتنی بر هوش مصنوعی استفاده کردیم.»
در این مطالعه، ۶۴ دانشجو ویدیوهای کوتاه معرفی از خود ضبط کردند. سپس گروهی دیگر متشکل از ۶۳ دانشجو این ویدیوها را تماشا کردند و نظر دادند که گویندگان تا چه حد دوستانه، طبیعی، دارای حالات چهره آشکار یا دوست‌داشتنی‌اند. هم‌زمان، پژوهشگران با استفاده از نرم‌افزار اوپن فیس۲ (OpenFace 2.0) حرکات ریز ماهیچه‌های صورت را در همان ویدیوها تحلیل کردند.
نتایج نشان داد دانشجویانی که علائم افسردگی خفیف'>افسردگی خفیف داشتند، از دید همسالانشان کمتر دوستانه، با احساسات کمتر نمایان در چهره و کمتر دوست‌داشتنی بودند. نکته جالب اینکه آن‌ها خشک یا عصبی به نظر نمی‌رسیدند، فقط چهره‌شان کمتر حس مثبت منتقل می‌کرد.
تحلیل هوش مصنوعی نیز الگوهای دقیقی از حرکات چشم و دهان، از جمله بالا رفتن ابروها، کشیدگی لب‌ها و باز شدن دهان را آشکار کرد که در افراد مبتلا به افسردگی خفیف'>افسردگی خفیف بیشتر دیده می‌شد. این تغییرات هرچند با چشم غیرمسلح قابل تشخیص نبودند، با نمرات افسردگی ارتباط نزدیکی داشتند.
البته پژوهشگران تاکید می‌کنند که این مطالعه روی دانشجویان ژاپنی انجام شده است و باید توجه داشت که هنجارهای فرهنگی در ابراز احساسات نقش مهمی دارند.
سوگیموری در پایان توضیح داد: «ترکیب ویدیوهای کوتاه و تحلیل خودکار حالات چهره می‌تواند به‌عنوان ابزاری نوآورانه برای غربالگری سلامت روان در مدارس و محیط‌های کاری به کار گرفته شود. این روش، ساده، غیرتهاجمی و در دسترس است و می‌تواند به شناسایی زودهنگام افسردگی و ارائه مراقبت‌های به‌موقع کمک کند.»
*
