Beyond Intensity: Cross-Dataset Consistency of Temporal Facial Action-Unit Dynamics as Transferable Markers of Depression

Résumé Technique : Au-delà de l'intensité : Consistance inter-jeux de données de la dynamique temporelle des Unités d'Action Faciale comme marqueurs transférables de la dépression

Énoncé du problème
Le comportement facial est un signal objectif reconnu pour l'analyse des symptômes dépressifs, pourtant la recherche actuelle fait face à trois limitations critiques : (1) une dépendance à de petits échantillons issus de jeux de données uniques, ce qui risque le surapprentissage et la capture d'artefacts propres au jeu de données plutôt que des signaux propres à la dépression ; (2) la dominance des statistiques d'intensité agrégées (ex. : moyenne, écart-type) qui ignorent les dynamiques temporelles ; et (3) un manque de validation externe à travers diverses populations, langues et contextes d'enregistrement. Par conséquent, il reste incertain si les représentations faciales apprises reflètent la dépression ou sont simplement des artefacts de protocoles de collecte de données spécifiques. De plus, le partage de vidéos faciales brutes pour la recherche multisite est entravé par des risques de confidentialité et de réidentification. Cette étude répond à la question de savoir quelles caractéristiques des Unités d'Action Faciale (AU) sont transférables d'un jeu de données à l'autre, plutôt que celles qui maximisent la discrimination au sein d'un même jeu de données.

Méthodologie
L'étude a utilisé une large cohorte coréenne ($N=2\,608$) et un jeu de données externe américain (DAIC-WOZ, $N=189$) pour évaluer la consistance inter-jeux de données des marqueurs faciaux.

• Collecte de données : La cohorte coréenne a été recrutée dans deux hôpitaux et évaluée via la PHQ-9 (positivité au dépistage définie par $\ge 10$). Les participants ont réalisé des tâches de narration libre se remémorant leurs souvenirs les plus « heureux » et les plus « malheureux » dans des conditions contrôlées. Les vidéos ont été enregistrées en 1080p/30fps.
• Extraction de caractéristiques : En utilisant OpenFace 2.0, les intensités par image pour 17 AU ont été extraites. À partir de ces séries temporelles, 568 caractéristiques ont été calculées, classées en :
  • Tendance centrale : Intensité moyenne et médiane.
  • Segments temporels : Intensité moyenne à travers les tiers précoces, moyens et tardifs de la session (et des divisions plus fines en cinq blocs).
  • Dynamique : Taux de variation (ROC), variabilité (SD, asymétrie, kurtosis) et autocorrélation.
  • Motifs de bouffées (Burst Patterns) : Fréquence, durée et espacement des bouffées de haute intensité.
  • Structure des pics : Nombre de pics et intervalles entre les pics.
  • Coordination : Co-activation de paires d'AU et coordination faciale globale, se concentrant spécifiquement sur les sourires de Duchenne (co-activation de l'AU06 et de l'AU12).
• Analyse du sourire : Une analyse spécifique a classifié les images en sourires de Duchenne (AU06+AU12), non-Duchenne (AU12 uniquement), yeux seuls (AU06 uniquement) ou neutre. Une métrique clé, au06_given_au12, a mesuré l'intensité de l'AU06 conditionnellement à l'activation de l'AU12 pour quantifier le découplage œil-bouche.
• Stratégie d'évaluation :
  1. Intra-cohorte : Les caractéristiques ont été classées par taille d'effet (Cohen's $d$) et AUROC dans la cohorte coréenne.
  2. Transférabilité inter-jeux de données : L'accord directionnel (signe de Cohen's $d$) entre la cohorte coréenne et DAIC-WOZ a été calculé. Les caractéristiques ont été testées pour leur robustesse face à la longueur d'enregistrement, la démographie (sexe, âge) et le contexte émotionnel (heureux vs malheureux).
  3. Critères de validation : Une caractéristique n'a été considérée comme un biomarqueur robuste que si elle remplissait plusieurs critères : significativité statistique (Bonferroni/FDR), direction concordante à travers les conditions émotionnelles, accord directionnel avec DAIC-WOZ, et stabilité à travers les tertiles de longueur d'enregistrement.

Résultats clés

• Discrépance Intra-jeu de données vs Inter-jeux de données : Les signaux discriminants les plus forts au sein de la cohorte coréenne étaient les caractéristiques d'intervalle de pic (ex. : intervalle de pic de l'AU26, $d = -0,66$). Cependant, ces caractéristiques ont présenté une inversion systématique de signe dans le jeu de données DAIC-WOZ (taux d'accord de 0–33 %).
• Caractéristiques transférables : En revanche, les caractéristiques de segment temporel, de tendance centrale et de dynamique ont montré un accord directionnel élevé (82–90 % après exclusion des caractéristiques de pics). Ces caractéristiques ont préservé la direction de leur effet malgré les différences de race, de langue, de tâche et de longueur d'enregistrement.
• Rôle de l'AU06 : L'AU06 (élévateur de joue) est apparue comme le biomarqueur le plus cohérent. Bien que l'AU12 (tirage du coin de la lèvre) ait montré de forts signaux intra-cohorte, elle a perdu sa consistance lors de la validation externe. Les caractéristiques temporelles dérivées de l'AU06 (ex. : intensité en début de session, taux de variation) ont systématiquement passé tous les critères de validation.
• Composition du sourire : Les symptômes dépressifs n'étaient pas principalement marqués par une réduction de la fréquence des sourires, mais par un changement qualitatif dans la composition du sourire. Le groupe déprimé présentait moins de sourires de Duchenne et plus de sourires non-Duchenne (bouche seule). Le marqueur le plus fort était le découplage œil-bouche (au06_given_au12, $d \approx -0,41$), qui a survécu à l'ajustement pour l'âge, le sexe et la longueur de parole. Cela suggère une dissociation entre le mouvement volontaire de la bouche (AU12) et l'activité oculaire involontaire (AU06).
• Robustesse : Les effets de base des AU (particulièrement l'AU06) sont restés cohérents à travers les sous-groupes de sexe, d'âge et de longueur d'enregistrement. L'inversion des caractéristiques de pic a été observée même au sein de la cohorte source à travers différentes longueurs d'enregistrement, indiquant une instabilité intrinsèque au type de caractéristique plutôt qu'aux différences de jeux de données.

Signification et affirmations
L'article revendique trois contributions principales :

1. Reproduction à grande échelle : Il reproduit les découvertes AU-dépression (spécifiquement la réduction de l'activité de l'AU06) dans une large cohorte ($N=2\,608$), confirmant que ces motifs ne sont pas des artefacts d'études à petits échantillons.
2. Identification de marqueurs transférables : Il démontre que la taille de l'effet intra-jeu de données ne prédit pas la transférabilité inter-jeux de données. L'étude établit la consistance directionnelle comme un critère pratique pour la sélection d'entrées transférables. Elle identifie que les dynamiques temporelles plus lentes et les caractéristiques centrées sur l'AU06 se généralisent, tandis que les caractéristiques de structure de pic ne le font pas.
3. Insight mécaniste et confidentialité : L'étude lie le « découplage œil-bouche » observé à la distinction neuroanatomique entre les voies faciales volontaires (pyramidales) et émotionnelles (extrapyramidales). Cliniquement, cela suggère que la qualité d'un sourire (authentique vs volontaire) est un marqueur plus robuste que la quantité de sourires. De plus, les auteurs proposent que les séries temporelles d'AU, étant de faible dimension et non identifiantes par rapport aux vidéos brutes, pourraient servir d'entrée respectueuse de la vie privée pour la recherche multi-site sur la dépression, à condition que l'extraction des caractéristiques soit standardisée.

Les auteurs déclarent explicitement que ces marqueurs sont mieux utilisés comme signaux auxiliaires dans le dépistage plutôt que comme outils de diagnostic autonomes, et ils avertissent que la validation actuelle est limitée à l'accord directionnel, et non au transfert de la performance des modèles prédictifs.