حتی افسردگی خفیف هم در صورت مشخص میشود!

به گزارش مجله خبری نگار/آنا،پژوهش‌های جدید نشان می‌دهد افرادی که علائم خفیف افسردگی را تجربه می‌کنند علائمی که هنوز به آستانه تشخیص بالینی نرسیده‌اند تغییرات ظریف، اما قابل‌توجهی در حالت‌های چهره خود نشان می‌دهند. یک سیستم هوش مصنوعی توانست این حرکات عضلات صورت را شناسایی کند؛ حرکاتی که همچنین با نحوه درک دیگران از این افراد مرتبط بود. این مطالعه که در مجله (Scientific Reports) منتشر شده، راهی بالقوه برای شناسایی افرادی ارائه می‌دهد که در معرض خطر ابتلا به افسردگی بالینی قرار دارند، پیش از آنکه علائم شدیدتر در آنها بروز کند.

دانشمندان مدت‌هاست می‌دانند افسردگی بالینی می‌تواند بر حالات چهره فرد اثر بگذارد و معمولاً باعث کاهش بروز احساسات مثبت مانند لبخند زدن شود. اما دوره‌ای که پیش از تشخیص کامل قرار دارد و به آن «افسردگی زیرآستانه‌ای» (subthreshold depression) گفته می‌شود، کمتر مورد بررسی قرار گرفته است. این وضعیت شامل تجربه علائم خفیف افسردگی است که آنقدر شدید نیستند که به‌طور رسمی تشخیص داده شوند، اما یک عامل خطر مهم برای ابتلای آینده به افسردگی اساسی به شمار می‌آید.

دانشمندان دانشگاه واسِدا در ژاپن می‌خواستند بررسی کنند که آیا این حالت خفیف هم با تغییرات قابل‌تشخیص در حالات چهره همراه است یا نه. یکی از اهداف اصلی آنها این بود که ببینند آیا این نشانه‌های ظریف توسط دیگران قابل درک است و آیا می‌توان آنها را با فناوری‌های مدرن به‌طور عینی اندازه‌گیری کرد. پژوهشگران همچنین زمینه فرهنگی را هم در نظر گرفتند؛ چراکه مطالعات پیشین نشان داده‌اند افراد در فرهنگ‌های شرق آسیا به‌طور کلی حالات چهره کمتری از خود نشان می‌دهند نسبت به جمعیت‌های غربی، و این موضوع می‌تواند بر نحوه بروز بصری افسردگی اثر بگذارد.

برای بررسی این مسئله، تیم پژوهشی یک آزمایش دو مرحله‌ای طراحی کرد که شامل دانشجویان کارشناسی در ژاپن بود. مرحله اول بر تهیه مواد تصویری تمرکز داشت و مرحله دوم بر نحوه برداشت دیگران. در بخش اول، گروهی متشکل از ۶۴ دانشجو که به عنوان «افراد ارزیابی‌شونده» یا ratees شناخته شدند انتخاب شدند. این دانشجویان پرسشنامه استاندارد Beck Depression InventoryII (ابزاری برای سنجش شدت علائم افسردگی) را تکمیل کردند.

بر اساس امتیازها، آنها به دو گروه تقسیم شدند گروه سالم با علائم بسیار اندک یا بدون علائم افسردگی، و گروه افسردگی زیرآستانه‌ای با علائم خفیف. افرادی که نمره افسردگی متوسط یا شدید داشتند، در تحلیل کنار گذاشته شدند. سپس از هرکدام یک ویدئوی ۱۰ ثانیه‌ای ضبط شد که در آن خود را معرفی می‌کردند. شرایط ضبط استاندارد بود همه یک تی‌شرت سفید پوشیده بودند، در برابر پس‌زمینه‌ای خنثی ایستاده و مستقیم به دوربین نگاه می‌کردند تا یکنواختی و قابل مقایسه بودن داده‌ها تضمین شود.

در مرحله دوم، گروهی دیگر شامل ۶۳ دانشجو که به عنوان «ارزیابان» یا raters شناخته شدند وارد مطالعه شدند تا این ویدئو‌ها را تماشا کنند. این گروه نیز پرسشنامه Beck Depression InventoryII را برای سنجش علائم افسردگی خود تکمیل کردند. سپس ارزیابان ویدئو‌های ۱۰ ثانیه‌ای بی‌صدا از ۶۴ فرد ارزیابی‌شونده را مشاهده کردند. پس از هر کلیپ، آنها فرد در ویدئو را بر اساس چند ویژگی در مقیاس پنج‌امتیازی ارزیابی کردند. این ویژگی‌ها شامل صفات مثبت (مانند میزان بیانگر بودن، طبیعی بودن، صمیمی بودن و دوست‌داشتنی بودن) و همچنین صفات منفی (مانند خشک بودن، مضطرب بودن یا مصنوعی به نظر رسیدن) بودند.

هدف اصلی پژوهشگران پاسخ به دو پرسش بود

۱. آیا افراد مبتلا به افسردگی زیرآستانه‌ای نسبت به همتایان سالمشان متفاوت ارزیابی می‌شوند؟

۲. آیا علائم افسردگی خودِ ارزیابان بر قضاوت آنها درباره دیگران تأثیر می‌گذارد؟

نتایج نشان داد افرادی که افسردگی زیرآستانه‌ای داشتند، در تمام صفات مثبت امتیاز‌های پایین‌تری کسب کردند. مشاهده‌گران آنها را به‌طور معناداری کمتر بیانگر، کمتر طبیعی، کمتر صمیمی و کمتر دوست‌داشتنی توصیف کردند، در مقایسه با افراد سالم.

با این حال، در امتیازدهی مربوط به صفات منفی تفاوت معناداری دیده نشد. دانشجویان دارای افسردگی زیرآستانه‌ای بیشتر از دانشجویان سالم به‌عنوان خشک، مضطرب یا مصنوعی تلقی نشدند. این یافته نشان می‌دهد افسردگی زیرآستانه‌ای بیشتر با کاهش یا تضعیف بیان مثبت همراه است تا افزایش بروز احساسات منفی آشکار.

علاوه بر این، پژوهشگران دریافتند که وضعیت روانی خودِ ارزیابان باعث سوگیری در قضاوت آنها نمی‌شود. ارزیابانی که افسردگی زیرآستانه‌ای داشتند، ویدئو‌ها را همان‌گونه ارزیابی کردند که ارزیابان سالم انجام دادند. این موضوع نشان می‌دهد تفاوت‌های درک‌شده ریشه در حالات چهره افراد در ویدئو داشت، نه ذهنیت مشاهده‌گران.

پس از ارزیابی انسانی، پژوهشگران برای تحلیل عینی‌تر به سراغ هوش مصنوعی رفتند. آنها از نرم‌افزار متن‌باز OpenFace ۲.۰ برای بررسی همان ویدئو‌های ۱۰ ثانیه‌ای استفاده کردند. این برنامه برای تحلیل رفتار چهره طراحی شده و با ردیابی حرکات بسیار ظریف و خاص عضلات صورت، که به نام «واحد‌های کنش چهره» (Facial Action Units) شناخته می‌شوند، کار می‌کند. هر واحد کنش مربوط به انقباض یک عضله مشخص در صورت است؛ مثلاً عضله‌ای که بخش داخلی ابرو را بالا می‌برد یا عضله‌ای که گوشه لب را می‌کشد. نرم‌افزار ویدئو‌ها را فریم به فریم تحلیل کرد و حضور و شدت ۱۸ واحد کنش مختلف را اندازه گرفت.

تحلیل خودکار الگوی متمایزی از فعالیت عضلات صورت در دانشجویان دارای افسردگی زیرآستانه‌ای آشکار کرد. در مقایسه با گروه سالم، این افراد حضور یا شدت بیشتری از حرکات خاص نشان دادند. این حرکات شامل «بالا بردن بخش داخلی ابرو» (Inner Brow Raiser)، «بالا بردن پلک بالا» (Upper Lid Raiser) و «کشیدن لب‌ها به طرفین» (Lip Stretcher) بود. آنها همچنین حرکات بیشتری مرتبط با باز شدن دهان داشتند، مانند «از هم جدا شدن لب‌ها» (Lips Part) و «افتادگی فک» (Jaw Drop).

وقتی پژوهشگران به‌دنبال رابطه مستقیم میان این حرکات عضلانی و نمرات افسردگی بودند، دریافتند پنج واحد کنش همبستگی مثبت معناداری نشان می‌دهند. به بیان دیگر، هرچه امتیاز افسردگی فرد بالاتر بود، این حرکات خاص بیشتر و آشکارتر دیده می‌شد. بسیاری از این حرکات شناسایی‌شده با حالات تنش، ناراحتی یا حتی ترس مرتبط هستند، که نشان‌دهنده یک حالت عاطفی پنهان است؛ حالتی که حتی در جمعیت غیرکلینیکی نیز قابل مشاهده است.

پژوهشگران به برخی محدودیت‌های کارشان هم اشاره کردند. این مطالعه بر اساس پرسشنامه خودگزارشی برای سنجش علائم افسردگی انجام شد و شامل تشخیص رسمی روانپزشکی نبود. همچنین یافته‌ها به جمعیت دانشجویان ژاپنی محدود می‌شود و لزوماً به افراد دارای افسردگی اساسی یا جمعیت‌های فرهنگی دیگر تعمیم‌پذیر نیست. هنجار‌های فرهنگی نقش مهمی در نحوه بیان و درک احساسات دارند، بنابراین تحقیقات بیشتری در جوامع متنوع لازم است.

با وجود این محدودیت‌ها، این مطالعه مسیر‌های نویدبخشی را برای پژوهش‌ها و کاربرد‌های آینده باز می‌کند. ترکیب تحلیل ویدئو‌های کوتاه و هوش مصنوعی راهی غیرتهاجمی برای شناسایی نشانه‌های ظریف ناراحتی روانی فراهم می‌آورد. اریکو سوگیموری، دانشیار و سرپرست این پژوهش، پیشنهاد کرد که این رویکرد می‌تواند برای غربالگری اولیه سلامت روان در محیط‌های مختلف به کار رود. او گفت «رویکرد نوآورانه ما که شامل ویدئو‌های کوتاه معرفی خود و تحلیل خودکار حالات چهره است، می‌تواند برای غربالگری و شناسایی سلامت روان در مدارس، دانشگاه‌ها و محیط‌های کاری استفاده شود.»

چنین ابزاری می‌تواند در پلتفرم‌های سلامت دیجیتال یا برنامه‌های سلامت سازمانی ادغام شود تا به شناسایی افرادی کمک کند که ممکن است از حمایت زودهنگام بهره‌مند شوند. سوگیموری در پایان افزود «به‌طور کلی، مطالعه ما یک ابزار نوین، قابل دسترس و غیرتهاجمی مبتنی بر هوش مصنوعی برای تشخیص زودهنگام افسردگی ارائه می‌دهد که امکان مداخله‌های اولیه و مراقبت به‌موقع از سلامت روان را فراهم می‌سازد.»

به گزارش (psypost) پژوهشگران همچنین پیشنهاد کردند در مطالعات آینده می‌توان از تکنیک‌های پیشرفته‌تر یادگیری ماشین برای دقیق‌تر کردن شناسایی این امضا‌های چهره استفاده کرد و بررسی نمود که آیا این الگو‌ها جهانی هستند یا به فرهنگ خاصی وابسته‌اند.