La IA es capaz de detectar signos ocultos de depresión en nuestras expresiones faciales

La inteligencia artificial empieza a descifrar lo que los ojos no ven: las microexpresiones faciales que revelan los primeros signos de depresión subclínica. Un estudio japonés demuestra cómo los algoritmos pueden convertirse en aliados para la detección precoz de la salud mental.

Por Enrique Coperías

Imagen conceptual de un estudiante frente a una cámara mientras un software de inteligencia artificial analiza sus microexpresiones faciales en busca de signos tempranos de depresión. Imagen generada con DALL-E

La depresión, uno de los grandes problemas de salud mental de nuestro tiempo, no siempre se presenta de manera clara y fácil de diagnosticar. Existe un terreno intermedio, menos visible, conocido como depresión subclínica: un estado de ánimo bajo, persistente, que no alcanza los criterios médicos de un trastorno depresivo mayor, pero que sí aumenta el riesgo de acabar desarrollándolo.

Identificar estas señales precoces es un reto crucial para la prevención. Y, según un estudio japonés recientemente publicado en la revista Scientific Reports, la clave podría estar en el rostro, en esos pequeños movimientos faciales que solemos pasar por alto pero que la inteligencia artificial (IA) detecta con precisión.

El trabajo, liderado por las investigadoras Eriko Sugimori y Mayu Yamaguchi, de la Facultad de Ciencias Humanas, en la Universidad de Waseda (Japón), parte de una premisa conocida en la literatura científica: las personas con depresión clínica tienden a mostrar menos expresividad facial, sonríen menos, se muestran más rígidas y, en ocasiones, proyectan emociones negativas como el desdén y el cansancio.

Lo novedoso del estudio está en explorar si esos mismos patrones también aparecen en quienes aún no cumplen los criterios de un diagnóstico, pero ya muestran síntomas leves, esto es, que sufren una depresión subclínica —lo que se denomina.

La pregunta central que se hicieron Sugimori y Yamaguchi es en principio poderosa: ¿podría un algoritmo de inteligencia artificial (IA) detectar en nuestras microexpresiones el inicio silencioso de la depresión antes incluso de que nosotros mismos lo reconozcamos?

El experimento: cómo un vídeo de 10 segundos revela más de lo que creemos

Para responder a esta cuestión, las dos investigadoras reclutaron a 64 estudiantes universitarios japoneses. A cada uno se le pidió grabar un breve vídeo de diez segundos en el que se presentaban ante la cámara, con fondo neutro, iluminación uniforme y ropa blanca para evitar distracciones. Una especie de tarjeta de visita audiovisual, directa y sencilla.

Paralelamente, otro grupo de 63 estudiantes evaluadores visionó esos vídeos y calificó sus impresiones en una escala de siete atributos:

✅ Cuatro positivos: expresivo, natural, simpático y agradable.

✅ Tres negativos: tenso, nervioso e impostor.

Ninguno de los evaluadores conocía a las personas grabadas, lo que permitía medir la fuerza de la primera impresión, un terreno especialmente revelador en psicología social.

Tanto los participantes grabados como los evaluadores rellenaron el Inventario de Depresión de Beck-II (BDI-II), un cuestionario estandarizado para medir la sintomatología depresiva. De este modo, los investigadores pudieron distinguir entre quienes tenían puntuaciones bajas (grupo sano, BDI-II de 1 a 10) y quienes se situaban en el rango de depresión subclínica (BDI-II de 11 a 20).

El diseño del experimento permitía, además, probar tres hipótesis:

1️⃣ Que los rostros con depresión subclínica mostrarían menos expresiones positivas y cambios específicos en cejas, ojos y boca.

2️⃣ Que serían percibidos por los demás como menos expresivos y agradables.

3️⃣ Que la propia tendencia depresiva de los evaluadores no sesgaría esas percepciones.

Dos Investigadoras japonsas han desarrollado una novedosa herramienta de análisis facial basada en inteligencia artificial capaz de detectar sutiles diferencias en los movimientos de ojos y boca vinculadas a la depresión subclínica. Estas señales no verbales, invisibles al ojo humano, podrían facilitar un cribado precoz y no invasivo de la salud mental en escuelas, universidades y lugares de trabajo. Cortesía: Eriko Sugimori and Mayu Yamaguchi

Inteligencia artificial y análisis facial: OpenFace 2.0, en acción

Más allá de las valoraciones humanas, el estudio incorporó un aliado tecnológico: OpenFace 2.0, un software de análisis automático de expresiones faciales basado en el sistema FACS (Facial Action Coding System). Este método descompone las expresiones en unidades de acción (AUs), es decir, movimientos específicos de músculos: levantar la ceja interna (AU01), abrir la mandíbula (AU26), estirar los labios (AU20), entre otros.

Cada gesto puede pasar desapercibido al ojo humano, pero el algoritmo lo registra cuadro a cuadro, a razón de treinta imágenes por segundo. El resultado es una radiografía minuciosa de la actividad facial.

Los hallazgos fueron claros: los estudiantes con depresión subclínica mostraban mayor presencia e intensidad en seis AUs relacionadas principalmente con los ojos y la boca: levantar los párpados superiores (AU05), elevar la ceja interna (AU01), estirar los labios (AU20), separar los labios (AU25), abrir la mandíbula (AU26) y succionar el labio (AU28). Cinco de estos gestos correlacionaban de forma significativa con la puntuación en el BDI-II.

En términos sencillos, las caras de quienes arrastraban síntomas depresivos leves transmitían menos positividad y más movimientos asociados al esfuerzo, la tensión o incluso expresiones forzadas. No eran rostros tristes de manual, sino rostros menos luminosos, menos espontáneos.

«A medida que crecen las preocupaciones en torno al bienestar mental, quise explorar cómo señales no verbales sutiles, como las expresiones faciales, moldean las impresiones sociales y reflejan la salud mental mediante un análisis facial basado en inteligencia artificial», explica Sugimori.

Depresión subclínica: menos positividad, no más negatividad

Cuando se analizaron las valoraciones de los evaluadores humanos, emergió un patrón revelador. En efecto, los participantes con depresión subclínica eran percibidos como menos expresivos, menos naturales, menos simpáticos y menos agradables que sus compañeros sanos. Sin embargo, no fueron calificados como más nerviosos, impostores o rígidos.

La conclusión es matizada pero importante: la depresión subclínica no incrementa las impresiones negativas, sino que atenúa las positivas. Es decir, lo que se pierde no es tanto la neutralidad como la capacidad de proyectar energía, calidez o simpatía en un primer contacto. Una especie de erosión de la vitalidad social.

Y otro dato crucial: la tendencia depresiva de los propios evaluadores no influyó en sus juicios. Tanto quienes tenían puntuaciones bajas como quienes se situaban en el rango subclínico coincidieron en valorar de forma similar los vídeos. Esto refuerza la idea de que las diferencias observadas responden a cambios reales en la expresividad de los rostros, y no a sesgos de percepción.

Depresión y expresividad facial: un continuo

El estudio se enmarca en una línea de investigación más amplia que entiende la depresión no como una frontera abrupta —estás o no estás enfermo—, sino como un continuo de intensidad. En este continuo, la depresión subclínica ocupa un lugar de riesgo: no incapacita del todo, pero mina poco a poco la capacidad de disfrutar, relacionarse o proyectar bienestar.

Las investigadoras apuntan que reducir las expresiones positivas puede ser un mecanismo de autoprotección social: si sonrío menos o me muestro menos abierto, reduzco el riesgo de ser rechazado o de mostrar mi vulnerabilidad. El problema es que esa reducción empobrece la interacción social y, a la larga, alimenta el aislamiento y el empeoramiento del ánimo.

Al detectar esas señales incipientes en microgestos faciales, la inteligencia artificial podría convertirse en una herramienta de cribado temprano. No se trata de diagnosticar automáticamente a nadie, sino de identificar patrones de riesgo que justifiquen una evaluación clínica más profunda.

«Nuestro enfoque novedoso, que combina vídeos cortos de autopresentación y análisis automatizado de expresiones faciales, puede aplicarse para evaluar y detectar la salud mental en escuelas, universidades y lugares de trabajo», comoenta Sugimori.

El contexto cultural: ¿sonreímos igual en todas partes?

Un aspecto especialmente interesante del trabajo es que se realizó íntegramente con estudiantes japoneses. Esto importa porque la expresividad facial no es universal: estudios previos han mostrado que, de media, las culturas orientales tienden a mostrar menos expresividad que las occidentales.

Así, un gesto que en Europa se percibiría como falta de alegría, en Japón podría considerarse más normal o incluso apropiado.

Las autoras reconocen esta limitación y sugieren ampliar la investigación a diferentes contextos culturales. Lo que en un país se interpreta como frialdad, en otro puede ser discreción. Si se quiere que la inteligencia artificial sea realmente útil como detector global de depresión, tendrá que aprender las gramáticas emocionales de cada cultura.

Limitaciones y dilemas éticos

El estudio, aunque innovador, tiene limitaciones. En primer lugar, se basó únicamente en autoinformes de depresión (el cuestionario BDI-II), sin entrevistas clínicas que confirmaran diagnósticos.

Además, la muestra fue relativamente pequeña y homogénea (jóvenes universitarios japoneses), lo que reduce la capacidad de generalizar a otras edades o entornos.

Otro punto crítico es la interpretación de los resultados: que un rostro muestre menos expresividad positiva no significa automáticamente que esa persona esté deprimida. Puede deberse a cansancio, timidez, rasgos de personalidad o simples diferencias individuales. Por eso, las autoras insisten en que la IA debe usarse como complemento, no como sustituto, de la evaluación profesional.

El futuro: hacia un «escáner emocional» no invasivo

Pese a estas limitaciones, los hallazgos abren una vía prometedora. Imaginemos, por ejemplo, que una aplicación de salud digital pudiera detectar en videollamadas recurrentes ciertos patrones de microexpresiones vinculados a la depresión subclínica. O que un médico de atención primaria contara con una herramienta capaz de analizar breves interacciones con el paciente y sugerir un seguimiento psicológico cuando detecta señales de alerta.

Ya hay precedentes: equipos de investigación en diferentes países han utilizado algoritmos de IA similares para predecir brotes de esquizofrenia, medir ansiedad o incluso evaluar el dolor crónico a partir de expresiones faciales. La ventaja es que se trata de indicadores objetivos, medibles y no invasivos, que pueden recogerse en segundos y sin necesidad de equipos caros.

No obstante, también surgen dilemas éticos: ¿qué ocurre con la privacidad de los datos faciales? ¿Cómo evitar que empresas o instituciones los usen de forma discriminatoria, por ejemplo, en procesos de selección laboral? El potencial de la tecnología es enorme, pero exige marcos legales y deontológicos claros.

Una aplicación de salud digital podría ofrecer a los médicos de atención primaria una herramienta para analizar breves interacciones con el paciente y recomendar un seguimiento psicológico al detectar señales de alerta de una posible depresión. Foto: Bagoes Ilhamy

La paradoja de la primera impresión

Quizá la reflexión más profunda que deja este estudio es la paradoja de cómo nos relacionamos. Los evaluadores no consideraron a los participantes con depresión subclínica como más nerviosos ni farsantes, pero sí como menos simpáticos y agradables. Dicho de otro modo: no despertaban rechazo, pero tampoco atracción.

En un mundo donde la primera impresión pesa tanto —desde una entrevista de trabajo hasta una cita a ciegas—, esa ligera pérdida de “chispa” puede tener consecuencias acumulativas: menos oportunidades sociales, menos vínculos, menos apoyo. Y esa falta de refuerzos positivos puede, a su vez, profundizar el malestar emocional.

La ciencia empieza a demostrar que la depresión no solo se siente por dentro, también se filtra al exterior en forma de microgestos, imperceptibles pero poderosos en el entramado de nuestras relaciones sociales.

Lo que nos cuentan los rostros

El estudio de Sugimori y Yamaguchi no descubre que la depresión apaga las sonrisas: eso ya lo sabíamos. Lo que aporta es una evidencia detallada y tecnológica de que incluso en los estados más leves, antes del diagnóstico, esa atenuación de lo positivo ya está presente y es detectable.

La inteligencia artificial, entrenada para fijarse donde nuestros ojos no llegan, puede convertirse en una aliada para la prevención de la depresión. Pero el hallazgo más humano es que la depresión subclínica no convierte a las personas en menos auténticas ni más falsas; simplemente, les roba brillo. Y quizás la tarea social —y no solo médica— sea aprender a mirar más allá de la chispa inmediata, para detectar y acompañar a quienes, en silencio, empiezan a perderla.

«En conjunto, nuestro estudio ofrece una herramienta novedosa, accesible y no invasiva, basada en inteligencia artificial, para la detección temprana de la depresión (antes de la aparición de síntomas clínicos), lo que permite intervenciones tempranas y una atención oportuna de la salud mental», concluye Sugimori. ▪️

IA y depresión: Preguntas & Respuestas

😢 ¿Qué es la depresión subclínica?
Es un estado de ánimo bajo con síntomas depresivos leves que no cumplen criterios clínicos, pero que incrementa el riesgo de desarrollar depresión mayor.

😢 ¿Cómo detecta la inteligencia artificial la depresión?
Analizando microexpresiones faciales imperceptibles para el ojo humano mediante algoritmos como OpenFace 2.0.

😢 ¿Puede usarse en la vida real?
Sí, en escuelas, universidades, entornos laborales o consultas médicas, siempre que existan garantías éticas y de privacidad.

😢 ¿Reemplaza al diagnóstico médico?
No. La IA es una herramienta complementaria que alerta de riesgos, pero el diagnóstico debe hacerlo un profesional de salud mental.

• Información facilitada por la Universidad de Waseda

• Fuente: Sugimori, E., Yamaguchi, M. Subthreshold depression is associated with altered facial expression and impression formation via subjective ratings and action unit analysis. Scientific Reports (2025). DOI: https://doi.org/10.1038/s41598-025-15874-0