Jawa Pos Radar Lawu – Depresi kerap menjadi tantangan kesehatan mental terbesar karena gejala awalnya sering tidak terdeteksi.
Studi terbaru dari Universitas Waseda, Jepang, memberikan harapan baru: kecerdasan buatan (AI) ternyata mampu mengenali tanda-tanda depresi hanya dari perubahan ekspresi wajah halus.
Penelitian ini dilakukan oleh Lektor Kepala Eriko Sugimori dan mahasiswa doktoral Mayu Yamaguchi dari Fakultas Ilmu Humaniora Waseda.
Hasil riset mereka dipublikasikan dalam jurnal Scientific Reports pada 21 Agustus 2025.
Para peneliti merekrut 64 mahasiswa S1 Jepang untuk merekam video perkenalan diri singkat.
Rekaman tersebut kemudian dinilai oleh 63 mahasiswa lain mengenai tingkat ekspresif, keramahan, dan kealamian pembicara.
Di saat yang sama, tim menggunakan OpenFace 2.0, sistem AI untuk melacak mikro-ekspresi wajah.
Hasilnya konsisten: mahasiswa dengan gejala depresi ringan atau subthreshold depression (STD) dinilai kurang ramah, ekspresif, dan menyenangkan.
Namun, mereka tidak dianggap lebih kaku, palsu, atau gugup.
Analisis AI mengungkap pola gerakan wajah spesifik, seperti alis bagian dalam terangkat, kelopak mata atas terbuka, peregangan bibir, dan mulut terbuka yang sangat terkait dengan skor depresi.
“Pendekatan inovatif kami berupa video perkenalan diri singkat dan analisis ekspresi wajah otomatis dapat diterapkan untuk menyaring dan mendeteksi kesehatan mental di sekolah, universitas, dan tempat kerja,” ujar Sugimori.
Ia menambahkan bahwa teknologi ini dapat diintegrasikan ke dalam platform kesehatan digital dan program kesejahteraan karyawan.
“Secara keseluruhan, studi kami menyediakan alat analisis wajah berbasis kecerdasan buatan yang inovatif, mudah diakses, dan non-invasif untuk deteksi dini depresi (sebelum gejala klinis muncul), yang memungkinkan intervensi dini dan perawatan kesehatan mental yang tepat waktu,” simpul Sugimori.
Temuan ini membuka peluang besar bagi penerapan AI dalam skrining kesehatan mental, terutama di era ketika isu kesejahteraan psikologis semakin mendesak. (fin)
Editor : AA Arsyadani