A expressão facial é uma das formas não verbais mais frequentes de transmissão de estados emocionais internos e, consequentemente, desempenham um papel importante nas comunicações interpessoais. O rosto reflete a maioria das emoções humanas e das atividades cognitivas, mais rapidamente do que as pessoas verbalizam ou até percebem seu estado emocional. Os humanos geralmente empregam diferentes sinais para transmitir suas emoções, como expressões faciais, gestos e voz. As expressões faciais representam até 55% das comunicações humanas, enquanto outras formas, como a linguagem oral, recebem apenas 7% da expressão emocional.
Nos últimos 20 anos, grandes avanços foram feitos na área da tecnologia para reconhecimento de expressões faciais. O crescimento da área da Inteligência Artificial (IA) tem contribuído muito para desenvolvimento e aprimoramento de novas tecnologias, fornecendo dispositivos capazes de obter bons resultados em termos de acurácia e aplicações relevantes no mundo contemporâneo.
Considerando a aquisição de imagens, isso pode ocorrer de maneira estática ou sequencial. O processo de reconhecimento facial envolve basicamente as seguintes etapas: detecção da face, extração de recursos (feature extrations) e classificação das expressões. Um sistema baseado em vídeo pode ser categorizado em quadro e sequência, sendo que o primeiro aplica um único quadro para detectar emoções faciais diferentes, e as sequências de quadros são utilizadas para extrair informações temporais nos diferentes quadros, reconhecendo e categorizando as expressões faciais.
Na Faculdade de Ciências Médicas da Unicamp, conduzimos um estudo que investiga se indicadores digitais — expressão facial e características da voz — podem se correlacionar com a impressão clínica psiquiátrica, quando associados a instrumentos validados, como a Escala de Hamilton para Depressão, a HADS e a Escala de Ideação Suicida de Beck. Os sujeitos da pesquisa são pessoas que chegaram a UER-Unicamp por tentativa de suicídio.
O objetivo desse trabalho é verificar se a análise de expressão facial e voz, aliada a escalas padronizadas, pode ampliar a sensibilidade da triagem, sem substituir a entrevista clínica, mas oferecendo subsídios adicionais para decisões seguras em um cenário no qual cada minuto importa.
Considerando que a avaliação de pacientes admitidos no pronto-socorro após tentativa ou ideação suicida continua sendo um desafio relevante para profissionais de diferentes áreas da saúde, o uso da IA pode ser uma ferramenta valiosa que auxilie a tomada de decisões rápidas sobre internação, observação ou alta com plano de segurança.
O uso da IA, portanto, situa-se como um sistema em desenvolvimento para auxílio, não como substituto do especialista, sendo uma ferramenta para aumentar a eficiência e o desempenho do terapeuta. Por meio de novas modalidades de coletas de informações sobre pessoas ou comunidades, é possível obter medidas de estado mental e comportamento usando tecnologias capazes de identificar padrões, tendências e significados a partir de dados complexos.
Referências selecionadas
- Galatzer-Levy IR et al. Digital phenotyping of suicide risk: facial and vocal markers. J Affect Disord. 2021.
- Jiang Z et al. Multimodal analysis of suicidal ideation from remote interviews. Psychiatry Res. 2024.
- Rashed AEE et al. Facial image analysis for suicide risk detection: systematic review. Front Digit Health. 2024.
- Posner K et al. The Columbia-Suicide Severity Rating Scale: initial validity. Am J Psychiatry. 2011.
- Dados nacionais sobre tentativas de suicídio e autoagressão. Rev Bras Psiquiatr. 2025.