Une méthode novatrice et non intrusive se dessine dans le domaine de la santé mentale, exploitant l'intelligence artificielle pour identifier les manifestations précoces de la dépression chez les jeunes adultes via l'examen de leurs expressions faciales. Des chercheurs de l'Université Waseda au Japon ont développé un système capable de décrypter des schémas de mouvements musculaires infimes, corrélés aux symptômes dépressifs, à partir de courtes séquences vidéo d'auto-présentation d'étudiants universitaires.
Ces marqueurs non verbaux, souvent imperceptibles à l'œil humain, englobent des soulèvements subtils du sourcil interne ainsi que des mouvements spécifiques des lèvres et de la bouche. Les pairs évaluant ces mêmes vidéos ont d'ailleurs jugé les étudiants concernés comme étant moins expressifs ou naturels, bien que non nécessairement plus rigides ou stressés, suggérant une forme de tristesse ou de manque d'émotion positive masquée. Cette avancée technologique, dont les travaux ont été publiés dans la revue Scientific Reports, utilise des outils sophistiqués comme OpenFace 2.0 pour cartographier ces micro-mouvements, y compris des actions comme le soulèvement du sourcil interne ou l'étirement des lèvres.
L'enjeu est majeur: la dépression est un trouble de santé publique courant, qui touche environ 280 millions de personnes dans le monde selon l'Organisation mondiale de la Santé, et elle demeure fréquemment sous-diagnostiquée, avec seulement la moitié des individus recevant une aide appropriée. La capacité de l'IA à identifier ces signaux dits « sous-cliniques » – un état de détresse léger mais à risque de progression – ouvre des perspectives inédites pour un soutien préventif et précoce, notamment dans les environnements éducatifs.
Au-delà de l'analyse faciale, d'autres recherches confirment l'exploration de l'IA pour la détection de la dépression, notamment par l'analyse de la voix, atteignant des précisions notables. Ces développements technologiques soulignent que l'expression des émotions est un champ complexe, régi par des mouvements musculaires précis. L'intégration de ces indicateurs subtils, visuels ou auditifs, permet d'envisager un accompagnement plus rapide et mieux ciblé pour le bien-être mental des étudiants, transformant la perception des signaux de détresse en se concentrant sur les détails les moins évidents.