Dit ansigt kan måske afsløre det, dine svar ikke kan
En kombination af selvrapporterede oplevelser og objektive målinger såsom ansigtsbevægelser, stemmemønstre og andre digitale biomarkører kan potentielt skabe gennembrud inden for forskning i mental sundhed. Lektor ved IT-Universitetet i København, Stella Grasshof, undersøger, hvordan biometriske datasæt kan bruges til at skabe større indsigt i psykiske lidelser.
Forskningsundhed
Skrevet 25. september 2026 11:28 af Jari Kickbusch
Mange patienter udfylder spørgeskemaer, som indikerer, hvorvidt de skal undersøges nærmere for depression, angst eller mani. Spørgeskemaerne vil typisk blive analyseret statistisk, og fagpersoner eller forskere vil lede efter mønstre. Denne tilgang har været uvurderlig og vil fortsat spille en vigtig rolle. Men hvis psykologien skal bevæge sig mod mere præcise diagnoser og mere individualiseret behandling, er spørgeskemaer alene ikke nok. Det forklarer lektor ved IT-Universitetet i København, Stella Grasshof, som mener, at spørgeskemaerne skal suppleres med mere objektive biometriske data.
Stella Grasshof er en af forskerne bag et nyligt offentliggjort studie, hvor der er blevet brugt fortolkningsvenlige maskinlæringsmetoder til at vise, at små ansigtsbevægelser kan bruges til skelne personer med bipolar lidelse fra raske kontrolpersoner.
"Resultaterne fra undersøgelsen viser sammen med anden relateret forskning, at ansigtsudtryk har potentiale som en ekstra informationskilde i kliniske vurderinger, dvs. som supplement til de mundtlige udtryk for følelser, som patienten selv giver. Vi har ikke til hensigt at erstatte eksisterende vurderingsmetoder, men ønsker at supplere selvrapportering og kliniske observationer ved at give behandlere en mere detaljeret og målbar information om deres patienter," siger hun.
Problemet med selvrapportering
De fleste psykiatriske vurderinger bygger på, at mennesker beskriver deres egne tanker, følelser og symptomer. Det giver intuitivt mening, fordi psykisk sygdom grundlæggende er knyttet til subjektive oplevelser. Alligevel har selvrapporteringsmetoder flere velkendte begrænsninger. For det første varierer menneskers evne til præcist at beskrive deres mentale tilstand. Nogle undervurderer deres symptomer, mens andre overvurderer dem. For det andet påvirkes svarene af hukommelse, sociale hensyn og situationsbestemte faktorer. Den måde, en person besvarer et spørgeskema på en tirsdag morgen, kan være markant anderledes end den måde, vedkommende svarer på en fredag eftermiddag.
"Spørgeskemaer fortæller os primært, hvad mennesker er bevidste om, hvilket ikke nødvendigvis afspejler hele deres oplevelse. Selvrapporterede undersøgelser er stærkt afhængige af evnen til at forstå og fortolke spørgsmålene korrekt samt til præcist at rapportere egne oplevelser. Derfor anvendes observerbare kriterier som ansigtsudtryk, øjenbevægelser, adfærd og tale ofte i vurderingen af patienter. Begrænset øjenkontakt er for eksempel et veletableret punkt på tjeklister for autisme. Vurderingen af sådanne indikatorer kræver dog ofte uddannet fagpersonale ligesom kvaliteten af disse vurderinger afhænger af personalets ekspertise, deres uddannelse og deres fortolkninger. Dette kan føre til variation mellem forskellige vurderinger," siger Stella Grasshof.
Tværfaglig tilgang
I fremtiden vil biometriske analyser potentielt kunne gøre vurderinger mere tilgængelige og lettere at fortolke. Derudover vil de måske kunne understøtte det sundhedsfaglige personale i udarbejdningen af vurderinger samt gøre det lettere at følge patienternes udvikling over tid.
Stella Grasshof mener dog ikke, at diagnoser alene baseret på ansigtsudtryk er hverken realistiske eller ønskelige, men hun er overbevist om, at biometriske data har potentiale til at blive en meget værdifuld ekstra kilde til objektiv information. Anvendelsen af biometriske data som støtteværktøj i sundhedssektoren forudsætter dog, at en række udfordringer håndteres og afklares.
"En af udfordringerne er de forskellige fokusområder og tilgange i de involverede forskningsfelter. I maskinlæringsmiljøet har forskere for eksempel en tendens til at jagte nye metoder og forbedre benchmark-resultater med nogle få procentpoint. Her beskæftiger de fleste sig ikke med fortolkning af data eller med, hvor relevant den valgte kvalitetsmåling er for det kliniske personale. I det kliniske forskningsmiljø er højere præcision derimod mindre interessant, hvis det er uklart, hvordan resultatet er opnået. Fortolkningen af data er et stort og fælles ansvar, og vi har brug for en tværfaglig tilgang for at finde fælles fodslag og en vej frem," afslutter Stella Grasshof.
Få mere information:
Læs forskningartiklen: "Don’t predict if you cannot interpret: investigating the clinical viability of facial movements for machine-learning assisted diagnostics of bipolar disorder"
Artiklen er skrevet af Martin Lund Trinhammer, Stella Grasshof, Lars Vedel Kessing, Hanne Lie Kjærstad, Kamilla Woznica Miskowiak og Sami S. Brandt.
Jari Kickbusch, Forskningskommunikatør, telefon 7218 5304, email jark@itu.dk