El análisis de la IA reveló patrones específicos de movimientos oculares y bucales, como elevaciones de las cejas o el párpado superior, estiramientos de labios o acciones de apertura de la boca como más frecuentes en estudiantes universitarios con síntomas previos a la depresión. Estos sutiles movimientos musculares estaban fuertemente vinculados a una posible depresión futura, aunque eran demasiado leves para que los observadores no entrenados pudieran detectarlos.
Un equipo de investigadores de la Universidad de Waseda, en Japón, ha desarrollado un método que se centra en la Inteligencia Artificial (IA) para identificar signos de depresión subclínica, una forma leve de depresión que suele anteceder a variantes más intensas de esta patología, a través del análisis de las expresiones faciales.
Movimientos musculares casi imperceptibles
En un estudio publicado en la revista Scientific Reports, describen la innovación como una herramienta no invasiva para la detección temprana de problemas de salud mental en jóvenes, con la capacidad de predecir síntomas que, al avanzar la edad, son más complejos de tratar y superar.
La investigación se focalizó en estudiantes universitarios japoneses y utilizó la IA para analizar los movimientos sutiles de los músculos faciales, que el ojo humano no puede percibir fácilmente. Los resultados mostraron que los estudiantes con síntomas de depresión subclínica presentaban patrones consistentes en sus expresiones faciales.
Según una nota de prensa, la IA identificó una mayor frecuencia de ciertos movimientos, como la elevación del entrecejo, el levantamiento del párpado superior, el estiramiento de los labios y la apertura de la boca, en los participantes con síntomas depresivos. Estos movimientos musculares, aunque imperceptibles para un observador casual, estaban fuertemente relacionados con las puntuaciones de depresión de los estudiantes.
Una herramienta útil para intervenciones tempranas
Los investigadores registraron vídeos de presentación de 64 estudiantes japoneses y solicitaron a otros 63 compañeros que valoraran, sin tener en cuenta el audio, si los jóvenes les parecían expresivos, naturales, amables o agradables. En paralelo, los científicos analizaron las grabaciones con OpenFace 2.0, un software de análisis facial que extrae unidades de movimiento muscular. Los participantes también completaron un cuestionario destinado a clasificar niveles de depresión subumbral o subclínica.
Referencia
Subthreshold depression is associated with altered facial expression and impression formation via subjective ratings and action unit analysis. Eriko Sugimori and Mayu Yamaguchi. Scientific Reports (2025). DOI:https://doi.org/10.1038/s41598-025-15874-0
No solo el análisis automatizado detectó mayor presencia o intensidad de movimientos del área ocular y bucal identificados con la depresión, sino que además quienes tenían síntomas subumbrales de depresión recibieron calificaciones más bajas en rasgos positivos: fueron vistos como menos expresivos, menos naturales y menos simpáticos.
Los especialistas concluyen que el método ofrece una herramienta accesible y respetuosa de la privacidad para detectar riesgo de depresión en contextos educativos y laborales, permitiendo intervenciones tempranas. La técnica podría integrarse en plataformas de salud digital o programas de bienestar, aunque deben tenerse en cuenta las diferencias culturales en la expresión de las emociones y no tomar los resultados como un diagnóstico concluyente.