Nowoczesne technologie otwierają nowe możliwości w monitorowaniu dobrostanu psychicznego, proponując nieinwazyjne metody wczesnego identyfikowania oznak obniżonego nastroju u młodych osób. Badania naukowe, w których uczestniczyli studenci, wykazały, że algorytmy sztucznej inteligencji potrafią wyodrębnić z nagrań wideo subtelne wzorce ruchów mięśni twarzy, które korelują z symptomami depresji podprogowej. Odkrycie to sugeruje perspektywę głębszego zrozumienia wewnętrznych stanów emocjonalnych, które często pozostają ukryte przed bezpośrednią obserwacją.
Naukowcy z japońskiego Uniwersytetu Waseda przeprowadzili analizę wideo na krótkich materiałach autoprezentacyjnych nagranych przez 64 studentów. Równolegle, inna grupa rówieśników oceniała te nagrania pod kątem ekspresyjności, przyjazności i naturalności. Kluczowe dla badania było wykorzystanie zaawansowanego oprogramowania, takiego jak OpenFace 2.0, śledzącego mikroruchy mięśni twarzy. Stwierdzono, że osoby zgłaszające podwyższone wskaźniki depresji wykazywały specyficzne, ledwo dostrzegalne sygnały, w tym częstsze unoszenie wewnętrznej części brwi oraz charakterystyczne ruchy warg i ust. Co istotne, te subtelne wskaźniki były silnie powiązane ze skalą zgłaszanych objawów, choć nie były one postrzegane przez obserwatorów jako oznaki sztywności, lecz raczej jako stłumienie pozytywnej ekspresji.
Technologia ta umożliwia bardziej obiektywne i systematyczne monitorowanie wskaźników zdrowia psychicznego w środowiskach edukacyjnych i zawodowych, co może znacząco skrócić czas potrzebny na podjęcie działań wspierających. W kontekście globalnych wyzwań zdrowia psychicznego, gdzie prognozy wskazują, że depresja do 2030 roku może stać się najczęściej diagnozowaną chorobą, takie narzędzia stają się nieocenionym wsparciem.
Pokrewne metody rozwijają również polscy badacze z Akademii Leona Koźmińskiego, we współpracy z ekspertami z Uniwersytetu SWPS i AEH w Warszawie, koncentrując się na analizie ruchu gałek ocznych. W eksperymencie trwającym zaledwie 10 sekund, system AI osiągnął skuteczność rzędu 60–70 procent w rozróżnianiu osób z depresją i lękiem społecznym od grupy kontrolnej. Zaobserwowano u osób z depresją tendencję do dłuższego skupiania uwagi na negatywnych bodźcach wizualnych. Inne innowacje, jak Optoelektroniczna encefalografia (OEG) opracowana przez niemieckich naukowców, również wykorzystują analizę obrazu twarzy do rozróżniania depresji od schizofrenii. Możliwość implementacji tych systemów w codziennych urządzeniach, takich jak laptopy czy smartfony, sugeruje przesunięcie akcentu z reaktywnego leczenia na proaktywne wsparcie, pozwalające na wczesne dostrzeżenie sygnałów, zanim staną się one głębokim obciążeniem.