Kan AI depressie detecteren aan de hand van subtiele veranderingen in gezichtsmicro-expressies bij videogesprekken ?

Emotionele herkenning uit video is snel gevorderd dankzij deep learning-modellen. Deze systemen analyseren minuscule gezichtsbewegingen die mensen vaak missen. Ze correleren met klinische depressieschalen en langdurige stemmingsregistratie. De technologie roept ethische vragen op over toestemming en surveillance in digitale interacties.

Huidige systemen kunnen basis gezichtswerkingen en grove emoties herkennen, maar het detecteren van depressie op basis van subtiele, realtime micro-expressies in gewone videogesprekken blijft onbetrouwbaar in klinische settings. Onderzoeksprototypes die gebruikmaken van 3D-gezichtsnetten, frame-niveau aandacht en multimodale signalen (stem, typsnelheid) tonen bescheiden correlaties met PHQ-9-scores in gecontroleerde studies, maar generalisatie naar diverse belichting, hoeken en achtergronden is slecht. Privacy-, toestemmings- en algoritmische eerlijkheidszorgen beperken grootschalige implementatie, en er is geen gecertificeerd apparaat goedgekeurd voor diagnose via video alleen.

— Verrijkt 12 mei 2026 · Bron: National Academies of Sciences, Engineering, and Medicine — https://nap.nationalacademies.org/recording/27337