Voiko tekoäly tunnistaa masennusta kasvojen hienoista mikroilmeistä videopuheluissa ?

Tunneiden tunnistaminen videosta on edistynyt nopeasti syväoppimismallien ansiosta. Nämä järjestelmät analysoivat pieniä kasvonilmeitä, jotka ihmiset usein huomaavat. Ne korreloivat kliinisten masennusasteikkojen kanssa sekä pitkäaikaisen mielialan seurannan kanssa. Teknologia herättää eettisiä kysymyksiä suostumuksesta ja valvonnasta digitaalisissa vuorovaikutuksissa.

Nykyiset järjestelmät tunnistavat perusluonteisia kasvojen toimintayksiköitä ja karkeita tunteita, mutta masennuksen havaitseminen hienovaraisista, reaaliaikaisista mikroilmeistä tavallisissa videopuheluissa on kliinisissä ympäristöissä epäluotettavaa. Tutkimusprototyypit, jotka käyttävät 3D-kasvomalleja, kehystason tarkkaavaisuutta ja monimuotoisia signaaleja (ääni, näppäilyn rytmi), osoittavat kohtuullisia korrelaatioita PHQ-9-pisteiden kanssa kontrolloiduissa tutkimuksissa, mutta yleistettävyys erilaisiin valaistusolosuhteisiin, kulmiin ja taustoihin on heikko. Yksityisyyden, suostumuksen ja algoritmisen oikeudenmukaisuuden huolenaiheet rajoittavat laajamittaista käyttöönottoa, eikä minkään sertifioidun laitteen käyttöä diagnoosin tekemiseen pelkän videon perusteella ole hyväksytty.