بزرگنمايي:

سیاست و بازاریابی - ایسنا /دانشمندان ژاپنی یک سامانه جدید هوش مصنوعی توسعه دادند که می‌تواند نشانه‌های مرتبط با احتمال افسردگی را از حالات چهره افراد تشخیص دهد.
افسردگی یکی از رایج‌ترین چالش‌های سلامت روان است، اما اغلب نشانه‌های اولیه آن نادیده گرفته می‌شوند. این بیماری غالباً با کاهش قابلیت بیان چهره‌ای مرتبط است. با این حال، اینکه آیا افسردگی خفیف یا «اضطراب زیر آستانه»(StD) با تغییرات در بیان چهره‌ای مرتبط است یا خیر، هنوز مشخص نیست. «اضطراب زیر آستانه» یک حالت خفیف از علائم افسردگی است که معیارها را برای تشخیص را برآورده نمی‌کند، اما همچنان یک عامل خطر برای ابتلا به افسردگی است.
بازار
به نقل از ان‌اس، «اریکو سوگیموری»(Eriko Sugimori) استادیار و «مایو یاماگوچی»(Mayu Yamaguchi) دانشجوی دکترا از «دانشگاه واسدا»(Waseda University) در ژاپن با استفاده از داده‌های چهره‌ و هوش مصنوعی، تغییراتی را در بیان چهره‌ای دانشجویان ژاپنی بررسی کردند.
«سوگیموری» می‌گوید: من قصد داشتم با افزایش نگرانی‌ها در مورد سلامت روانی، بررسی کنم که چگونه نشانه‌های غیرکلامی ظریف مانند بیان چهره‌ای بر برداشت‌های اجتماعی تأثیر می‌گذارند و با استفاده از تحلیل چهره‌ای مبتنی بر هوش مصنوعی، سلامت روان را منعکس می‌کنند.
دانشمندان از 64 دانشجوی ژاپنی خواستند تا ویدئوهای کوتاه معرفی خود را ضبط کنند. سپس گروه دیگری متشکل از 63 دانشجو، میزان رسا بودن، دوستانه بودن، طبیعی بودن یا دوست‌داشتنی بودن سخنرانان را ارزیابی کردند. این تیم همزمان، از یک سامانه هوش مصنوعی موسوم به «OpenFace 2.0» که حرکات کوچک در عضلات صورت را ردیابی می‌کند، برای تحلیل ویدئوها استفاده کرد. نتایج، یک الگوی ثابت 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 وجود، آنها به عنوان افراد خشک‌، ساختگی‌ یا عصبی‌ ارزیابی نشدند.
این امر نشان می‌دهد که «اضطراب زیر آستانه» باعث نمی‌شود افراد به وضوح منفی به نظر برسند، بلکه بیان مثبت آنها را کاهش می‌دهد. تحلیل هوش مصنوعی، الگوهای خاصی از حرکات چشم و دهان را مانند بالا بردن ابروها، بالا بردن پلک بالایی، کشیدن لب و حرکات باز شدن دهان نشان داد که در شرکت‌کنندگان دارای این اختلال رایج‌تر بود. این حرکات ظریف عضلانی به شدت با تعیین میزان افسردگی مرتبط بودند، اگرچه برای ناظران آموزش‌ندیده قابل تشخیص نبودند.
این تیم خاطرنشان می‌کند: مطالعه ما با دانشجویان، یک ملاحظه مهم است، زیرا هنجارهای فرهنگی بر نحوه بیان احساسات افراد تأثیر می‌گذارند.
«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. مطالعه ما به طور کلی، یک ابزار جدید در دسترس و غیرتهاجمی برای تحلیل چهره‌ مبتنی بر هوش مصنوعی است که جهت تشخیص زودهنگام افسردگی، قبل از ظهور علائم بالینی ارائه می‌دهد. 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، افسردگی نیز اغلب با کاهش قابلیت بیان چهره‌ای و سوگیری‌ها در تشخیص احساسات دیگران مرتبط است. اینکه آیا «اضطراب زیر آستانه» که یک مرحله پیش‌ساز احتمالی افسردگی است، تغییرات مشابهی را نشان می‌دهد یا خیر، هنوز نامشخص است. این اختلال با بیان مثبت خاموش و الگوهای متمایز حرکات چشم و دهان مرتبط بود، اما بر قضاوت‌های اولیه ناظران تأثیری نداشت.
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 زیاد تأثیرگذار نیست. این رویکرد می‌تواند در فناوری سلامت روان، پلتفرم‌های سلامت دیجیتال یا برنامه‌های رفاه کارکنان برای نظارت کارآمد بر سلامت روانی استفاده شود.
این مطالعه در مجله Scientific Reports منتشر شده است