IA Identifica Indicadores Sutis de Depressão nas Expressões Faciais dos Alunos
Crédito da imagem: Pixabay
A DST é uma forma leve de depressão que não fecha diagnóstico clínico, mas alerta para riscos futuros à saúde mental. É como estar à beira de uma depressão mais grave.
Indivíduos com depressão frequentemente apresentam expressões faciais reduzidas, e estudos anteriores utilizaram sinais faciais para identificar condições como ansiedade e estresse. O desafio persiste: não se sabe se a DST afeta a forma como as pessoas expressam ou interpretam emoções faciais.
Pesquisadores estão investigando se pequenas mudanças no comportamento facial podem servir como indicadores precoces de depressão subliminar (DST), potencialmente permitindo a intervenção antes que ela evolua para uma condição mais grave.
Pesquisadores da Universidade Waseda usam IA para descobrir indicadores faciais precoces de depressão
Na Universidade Waseda, a professora associada Eriko Sugimori e a doutoranda Mayu Yamaguchi examinaram dados faciais de estudantes universitários japoneses, utilizando inteligência artificial para explorar como sinais faciais sutis podem revelar sinais precoces de depressão.
O estudo revelou padrões específicos de movimento dos músculos faciais associados a sintomas depressivos, mesmo entre indivíduos sem diagnóstico clínico. Isso indica que a IA pode ajudar a detectar sinais precoces de sofrimento emocional, contribuindo para a prevenção em saúde mental.
Sugimori explicou: “Com a crescente preocupação com a saúde mental, eu estava interessada em examinar como sinais não verbais sutis — como expressões faciais — afetam as percepções sociais e revelam estados mentais subjacentes por meio da análise facial orientada por IA.”
A depressão subliminar está associada à alteração da expressão facial e à formação de impressões por meio de avaliações subjetivas e análise de unidades de ação. Sugimori e Yamaguchi (2025) | Relatórios Científicos | DOI: 10.1038/s41598-025-15874-0
IA analisa Autoapresentações de Alunos para Relacionar Sinais Faciais com Emoções Percebidas
Os pesquisadores pediram a 64 estudantes japoneses que gravassem breves vídeos de autoapresentação. Um grupo separado de estudantes assistiu a esses clipes e avaliou os participantes com base em características como simpatia, expressividade e naturalidade. Ao mesmo tempo, um programa de IA chamado OpenFace 2.0 examinou movimentos sutis dos músculos faciais nos vídeos.
Os resultados revelaram um padrão claro: observadores perceberam estudantes com sintomas leves de depressão (DST) como menos amigáveis e expressivos — mas não artificiais ou falsos. Em outras palavras, o DST não cria uma impressão negativa; ele simplesmente atenua as expressões emocionais positivas.
Com IA, pesquisadores detectaram expressões sutis — como sobrancelhas erguidas e olhos arregalados — mais comuns em alunos com DST. Essas microexpressões estavam fortemente associadas a pontuações mais altas de depressão, embora fossem sutis demais para a maioria das pessoas detectar conscientemente.
É importante ressaltar que o estudo se concentrou em estudantes japoneses, onde as normas culturais influenciam a forma como as emoções são expressas. Isso enfatiza a importância do contexto cultural na interpretação de sinais faciais.
Sugimori explicou: “Nosso método inovador — que utiliza breves vídeos de autoapresentação combinados com análise facial automatizada — pode ser adaptado para triagem de saúde mental em escolas, universidades e locais de trabalho.”
Essa técnica promete ser integrada a tecnologias de saúde mental, plataformas digitais de saúde e programas de bem-estar para funcionários, oferecendo uma maneira eficiente de monitorar o bem-estar psicológico.
Sugimori concluiu: “No geral, nossa pesquisa apresenta uma ferramenta de análise facial acessível e não invasiva, baseada em IA, para a detecção precoce da depressão — antes do aparecimento dos sintomas clínicos — permitindo intervenção e tratamento oportunos.”
Leia o Artigo Original TechXplorist
Leia mais Engenheiros Desenvolvem IA Avançada para Remodelar o Controle em Sistemas Complexos
