Wetenschappers van de Waseda Universiteit in Japan hebben een nieuwe, niet-invasieve methode ontwikkeld om vroege tekenen van depressie bij jongvolwassenen op te sporen door middel van kunstmatige intelligentie (AI) en gezichtsanalyse. Dit onderzoek, gepubliceerd op 21 augustus 2025, richt zich op het proactief signaleren van subtiele verschuivingen in gelaatsuitdrukkingen die wijzen op subklinische depressie, een toestand die het risico op een volledige depressieve stoornis verhoogt.
De onderzoekers, onder leiding van universitair hoofddocent Eriko Sugimori en promovendus Mayu Yamaguchi, analyseerden korte zelfintroductievideo's van Japanse universiteitsstudenten. De AI-technologie, specifiek het systeem OpenFace 2.0, identificeerde nauwelijks waarneembare patronen in spierbewegingen die correleerden met depressieve symptomen. Deze patronen omvatten onder andere lichte verhogingen van de binnenste wenkbrauwen, en specifieke bewegingen van de lippen en mond, zoals het optrekken van de lip of mondopeningen. Deze micro-expressies werden door medestudenten vaak als minder sprekend of natuurlijk ervaren.
De bevindingen suggereren een potentiële verschuiving in screeningmethoden, aangezien traditionele afhankelijkheid van zelfrapportage en klinische interviews vroege, subtiele signalen kan missen. De AI-analyse toonde aan dat deze specifieke spierbewegingen sterk verband hielden met de depressiescores, zelfs als ze voor ongetrainde waarnemers onzichtbaar waren. Studenten met subklinische depressie werden door hun leeftijdsgenoten consistent als minder vriendelijk en expressief beoordeeld.
Experts benadrukken dat deze AI-hulpmiddelen, hoewel krachtig voor vroegtijdige identificatie, uitsluitend dienen als een nauwkeurige assistent voor de uiteindelijke diagnostiek, die te allen tijde bij een gekwalificeerde psychiater ligt. Het doel is om een toegankelijke en minder gestigmatiseerde methode te bieden voor mentale gezondheidsbeoordeling, wat vroege interventie mogelijk maakt en de last van deze veelvoorkomende volksgezondheidsuitdaging kan verlichten.
Verder onderzoek wijst op de mogelijkheid om de nauwkeurigheid van detectiemodellen te verbeteren door visuele kenmerken te combineren met spraakanalyse. Ook andere initiatieven, zoals het MoodCapture-onderzoek, hebben de potentie van smartphonebeelden onderzocht; daar werden 125.000 foto's van deelnemers met een ernstige depressieve diagnose geanalyseerd op kenmerken in het dagelijks leven.