Una conversazione sotto osservazione
Davanti al partecipante compare un essere umano virtuale a grandezza naturale. Saluta, pone domande e porta avanti una conversazione adattando le risposte a ciò che ascolta. Dietro questo dialogo apparentemente quotidiano, però, una rete di sensori registra ciò che il corpo comunica senza parole. È lo scenario di uno studio pubblicato su npj Digital Medicine da ricercatori della Universitat Politècnica de València, dell’Università di Padova e dell’IT University di Copenaghen. Dei 102 adulti reclutati, 98, con un’età compresa tra 18 e 59 anni, sono stati inclusi nell’analisi finale. Quaranta presentavano punteggi compatibili con sintomi depressivi moderati o gravi, mentre 58 mostravano sintomi assenti o lievi. Ogni partecipante ha sostenuto sei conversazioni con l’avatar, due neutre e quattro costruite intorno a emozioni come felicità, tristezza, rabbia e rilassamento.
Il corpo diventa un insieme di indizi
Durante i dialoghi venivano registrati l’elettroencefalogramma, la variabilità della frequenza cardiaca, la risposta elettrica della pelle, i movimenti oculari e quelli della testa. L’avatar, guidato da un sistema di intelligenza artificiale generativa e dotato di voce sintetica, non formulava una diagnosi. Il suo compito era creare situazioni sociali controllate, ma abbastanza realistiche da provocare reazioni emotive misurabili. I segnali raccolti venivano poi trasformati in dati numerici e analizzati attraverso modelli di apprendimento automatico. Combinando le informazioni registrate nelle sei conversazioni, il sistema ha raggiunto un’accuratezza del 72 per cento, un valore AUC di 0,76 e una specificità dell’83 per cento. Il modello riusciva quindi soprattutto a identificare correttamente le persone che non appartenevano al gruppo con sintomi depressivi più intensi.
Il cervello fornisce i segnali più forti
Non tutti i parametri fisiologici hanno contribuito allo stesso modo. L’elettroencefalogramma, utilizzato da solo, ha ottenuto un’accuratezza del 71 per cento e un valore AUC di 0,75, risultati quasi sovrapponibili a quelli del modello che combinava tutti i segnali. Battito cardiaco, risposta della pelle e movimenti oculari hanno fornito informazioni aggiuntive, ma hanno mostrato prestazioni più limitate quando analizzati separatamente. Le conversazioni emotive hanno migliorato soprattutto l’efficacia dell’elettroencefalogramma rispetto alle semplici registrazioni effettuate a riposo. L’attività cerebrale sembrava cambiare in modo diverso a seconda del tono emotivo assunto dall’avatar. Alcune oscillazioni cerebrali nelle bande alfa, beta e theta acquisivano infatti maggiore importanza durante le conversazioni felici, tristi o caratterizzate dalla rabbia. Tra i comportamenti oculari associati a punteggi depressivi più elevati comparivano uno sguardo rivolto più spesso verso il basso, spostamenti oculari più variabili e movimenti della testa più bruschi.
Un campanello d’allarme
Un’accuratezza del 72 per cento non significa che l’avatar possa già riconoscere con certezza la depressione. La sensibilità del modello era soltanto del 54 per cento. Il sistema rischiava quindi di non identificare quasi una persona con sintomi significativi su due. Inoltre, i partecipanti non erano stati divisi in base a una diagnosi psichiatrica di depressione maggiore, ma utilizzando il PHQ‑9, un questionario di autovalutazione impiegato per misurare la presenza e l’intensità dei sintomi depressivi. Il campione era ridotto, composto da persone di lingua spagnola e osservato in un laboratorio dotato di numerosi sensori. Saranno necessari studi più ampi, condotti su popolazioni diverse e confrontati con valutazioni cliniche complete. L’applicazione più realistica, almeno per ora, non è sostituire lo psichiatra. Un avatar affiancato da sensori potrebbe diventare uno strumento preliminare capace di segnalare al medico quali persone meritano un approfondimento. Non una macchina che emette diagnosi, ma un possibile campanello d’allarme basato sui segnali prodotti dal cervello e dal corpo durante una semplice conversazione.
Marín-Morales J, Altozano A, Mura F, Gómez-Zaragozá L, Minissi ME, Alcañiz Raya M. Biosignal-based screening of depressive symptoms during affective conversations with virtual humans. npj Digital Medicine. DOI: 10.1038/s41746-026-03017-2.