Нейробиология и нейрохимия Социальная психиатрия

Компьютерное зрение распознаёт устойчивость к стрессу у медработников по мимике с точностью 83%

Charlotte E Hilberdink · Yiwen Zhao · Scott McKernan · Sapir Gershov · Victoria Mueller · Stephen P Wall · Katharina Schultebraucks

Опубликовано 15 Июл 2026
Журнал NPP - digital psychiatry and neuroscience
Время чтения 1 мин
Теги
резилиентность компьютерное зрение цифровое фенотипирование медработники выгорание машинное обучение
NIH-финансируемое исследование с использованием цифрового фенотипирования и компьютерного зрения проанализировало динамическую мимическую экспрессивность 240 медработников экстренных отделений во время интервью о рабочих стрессовых ситуациях. Латентный профильный анализ выявил два фенотипа — 'в группе риска' (57,6%) и 'устойчивый/адаптивный' (42,4%), а модели машинного обучения классифицировали их с точностью 0,83±0,06 и F1-мерой 0,87±0,05.

**Проблема.** Работники здравоохранения (HCW) в отделениях неотложной помощи подвержены значительному риску нарушений психического здоровья из-за хронических стрессоров и повторяющейся травматизации. Однако недооценка симптомов и систематическая погрешность самоотчётов затрудняют точную оценку их состояния объективными методами.

**Дизайн исследования.** В рамках NIH-финансируемого исследования (грант R01HL156134) авторы использовали цифровое фенотипирование и компьютерное зрение для анализа динамической мимической экспрессивности во время видеозаписанных интервью о рабочих стрессовых ситуациях с участием 240 медработников (278 обследований). Экспрессивная гибкость — способность динамически модулировать и восстанавливаться после изменений эмоционального возбуждения, отражённых в наблюдаемом поведении — рассматривалась как показатель, связанный с резилиентностью. Участники дополнительно заполняли валидированные опросники выгорания, ПТСР, депрессии, тревожности и резилиентности.

**Ключевые результаты:** - Латентный профильный анализ выявил **два клинических фенотипа**: 'в группе риска' (**57,6%**) и 'устойчивый/адаптивный' (**42,4%**). - Модели машинного обучения показали высокую точность классификации: **accuracy = 0,83 ± 0,06**, **F1-мера = 0,87 ± 0,05**. - Цифровые биомаркеры временной динамики мимики выступили как объективные поведенческие прокси экспрессивной гибкости, потенциально отражающие процессы стресс-регуляции.

**Механизм.** В отличие от опросников, зависящих от готовности и способности человека честно сообщать о симптомах, компьютерное зрение фиксирует непроизвольные микродинамические изменения выражения лица в реальном времени во время стрессового рассказа. Способность быстро восстанавливать нейтральное/адаптивное выражение после эмоционального всплеска (а не подавление эмоций как таковое) коррелирует с лучшими показателями психического здоровья — это и есть операционализация "экспрессивной гибкости".

**Клиническое значение.** Подход открывает путь к объективному, недорогому и масштабируемому скринингу резилиентности у медработников без необходимости полагаться на самоотчёты, что особенно важно в условиях систематической недооценки симптомов и стигмы, связанной с обращением за психологической помощью в медицинской среде.

**Источник:** Hilberdink CE, Zhao Y, McKernan S, et al. Bouncing back from stress: objective markers of expressive flexibility and resilience in emergency healthcare workers using computer vision. NPP Digit Psychiatry Neurosci. 2026. DOI: [10.1111/aphw.12287](https://doi.org/10.1111/aphw.12287) · PubMed: [PMID 42448784](https://pubmed.ncbi.nlm.nih.gov/42448784/)