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

Resumo Técnico: Além da Intensidade: Consistência entre Conjuntos de Dados da Dinâmica Temporal das Unidades de Ação Facial como Marcadores Transferíveis de Depressão

Problema
O comportamento facial é um sinal objetivo reconhecido para analisar sintomas depressivos, mas a pesquisa atual enfrenta três limitações críticas: (1) dependência de amostras de pequenos conjuntos de dados únicos, o que gera risco de sobreajuste (overfitting) e captura de artefatos específicos do conjunto de dados em vez de sinais específicos da depressão; (2) dominância de estatísticas de intensidade agregadas (ex: média, desvio padrão), que ignoram a dinâmica temporal; e (3) falta de validação externa em diversas populações, idiomas e configurações de gravação. Consequentemente, não está claro se as representações faciais aprendidas refletem a depressão ou se são meros artefatos de protocolos específicos de coleta de dados. Além disso, o compartilhamento de vídeos faciais brutos para pesquisas multicêntricas é dificultado pelos riscos de privacidade e reidentificação. Este estudo aborda a questão de quais características das Unidades de Ação Facial (AU) são transferíveis entre conjuntos de dados, em vez de quais maximizam a discriminação dentro de um único conjunto de dados.

Metodologia
O estudo utilizou uma grande coorte coreana ($N=2.608$) e um conjunto de dados externo dos EUA (DAIC-WOZ, $N=189$) para avaliar a consistência trans-conjunto de marcadores faciais.

• Coleta de Dados: A coorte coreana foi recrutada de dois hospitais e avaliada utilizando o PHQ-9 (definido como positivo para triagem se $\ge 10$). As participantes completaram tarefas de narrativa livre relembrando suas memórias "mais felizes" e "mais infelizes" sob condições controladas. Os vídeos foram gravados em 1080p/30fps.
• Extração de Características: Utilizando o OpenFace 2.0, intensidades por quadro para 17 AUs foram extraídas. A partir dessas séries temporais, 568 características foram computadas, categorizadas em:
  • Tendência Central: Intensidade média e mediana.
  • Segmentos Temporais: Intensidade média nos terços inicial, médio e final da sessão (e divisões mais finas de cinco blocos).
  • Dinâmica: Taxa de variação (ROC), variabilidade (SD, assimetria, curtose) e autocorrelação.
  • Padrões de Surto (Burst Patterns): Frequência, duração e espaçamento de surtos de alta intensidade.
  • Estrutura de Pico: Número de picos e intervalos entre picos.
  • Coordenação: Coativação de pares de AU e coordenação facial global, focando especificamente em sorrisos Duchenne (coativação de AU06 e AU12).
• Análise do Sorriso: Uma análise específica classificou os quadros em Duchenne (AU06+AU12), não-Duchenne (apenas AU12), apenas olhos (apenas AU06) ou neutro. Uma métrica fundamental, au06_given_au12, mediu a intensidade da AU06 condicional à ativação da AU12 para quantificar o desacoplamento olho-boca.
• Estratégia de Avaliação:
  1. Dentro da Coorte: As características foram classificadas pelo tamanho do efeito (Cohen's $d$) e AUROC na coorte coreana.
  2. Transferibilidade entre Conjuntos de Dados: A concordância direcional (sinal do Cohen's $d$) entre a coorte coreana e o DAIC-WOZ foi calculada. As características foram testadas quanto à robustez contra duração da gravação, demografia (sexo, idade) e contexto emocional (feliz vs. infeliz).
  3. Critérios de Validação: Uma característica foi considerada um biomarcador robusto apenas se atendesse a múltiplos critérios: significância estatística (Bonferroni/FDR), direção concordante entre condições emocionais, concordância direcional com o DAIC-WOZ e estabilidade através de tertis de comprimento de gravação.

Principais Resultados

• Discrepância Dentro do Conjunto de Dados vs. Entre Conjuntos de Dados: Os sinais discriminativos mais fortes dentro da coorte coreana foram as características de intervalo de pico (ex: intervalo de pico da AU26, $d = -0,66$). No entanto, essas características exibiram uma reversão sistemática de sinal no conjunto de dados DAIC-WOZ (taxa de concordância de 0–33%).
• Características Transferíveis: Em contraste, as características de segmento temporal, tendência central e dinâmica mostraram alta concordância direcional (82–90% após a exclusão de características de pico). Essas características preservaram a direção de seu efeito apesar das diferenças de raça, idioma, tarefa e duração da gravação.
• O Papel da AU06: A AU06 (elevação da bochecha) emergiu como o biomarcador mais consistente. Embora a AU12 (puxar o canto dos lábios) tenha mostrado sinais fortes dentro da coorte, ela perdeu a consistência na validação externa. As características temporais derivadas da AU06 (ex: intensidade no início da sessão, taxa de variação) passaram consistentemente por todos os critérios de validação.
• Composição do Sorriso: Os sintomas depressivos não foram marcados primariamente por uma redução na frequência do sorriso, mas por uma mudança qualitativa na composição do sorriso. O grupo depressivo exibiu menos sorrisos Duchenne e mais sorrisos não-Duchenne (apenas boca). O marcador mais forte foi o desacoplamento olho-boca (au06_given_au12, $d \approx -0,41$), que sobreviveu ao ajuste por idade, sexo e duração da fala. Isso sugere uma dissociação entre o movimento bucal voluntário (piramidal) e a atividade ocular involuntária (extrapiramidal).
• Robustância: Os efeitos centrais das AUs (particularmente a AU06) permaneceram consistentes entre os subgrupos de sexo, idade e comprimento de gravação. A reversão das características de pico foi observada mesmo dentro da coorte de origem em diferentes comprimentos de gravação, indicando uma instabilidade intrínseca ao tipo de característica, e não apenas às diferenças entre os conjuntos de dados.

Significância e Alegações
O artigo alega três contribuições primárias:

1. Reprodução em Escala: Ele reproduz achados de AU-depressão (especificamente a redução da atividade da AU06) em uma grande coorte ($N=2.608$), confirmando que esses padrões não são artefatos de estudos com amostras pequenas.
2. Identificação de Marcadores Transferíveis: Demonstra que o tamanho do efeito dentro do conjunto de dados não prevê a transferibilidade entre conjuntos de dados. O estudo estabelece a consistência direcional como um critério prático para a seleção de entradas transferíveis. Identifica que dinâmicas temporais mais lentas e características centradas na AU06 generalizam, enquanto características de estrutura de pico não o fazem.
3. Insight Mecanístico e Privacidade: O estudo vincula o observado "desacoplamento olho-boca" à distinção neuroanatômica entre as vias faciais voluntárias (piramidais) e emocionais (extrapiramidais). Clinicamente, isso sugere que a qualidade de um sorriso (genuíno vs. voluntário) é um marcador mais robusto do que a quantidade de sorrisos. Além disso, os autores propõem que as séries temporais de AU, sendo de baixa dimensão e não identificáveis em comparação com o vídeo bruto, poderiam servir como uma entrada preservadora de privacidade para pesquisas multicêntricas de depressão, desde que a extração de características seja padronizada.

Os autores afirmam explicitamente que esses marcadores são melhores utilizados como sinais auxiliares na triagem, em vez de ferramentas diagnósticas isoladas, e alertam que a validação atual é limitada à concordância direcional, não à transferência do desempenho de modelos preditivos.