Info: info@ubiminor.org  |  Segnalazioni: notizie@ubiminor.org  |  Proposte: redazione@ubiminor.org

 facebook iconinstagram iconyoutube icon

Le immagini create con l’intelligenza artificiale per rappresentare una condizione di afflizione, di tristezza o di depressione rischiano di trasmettere una visione distorta e più stigmatizzante della malattia e della sofferenza psicologica rispetto alle fotografie normalmente utilizzate dai media.

20260528 intledprs 2

È quanto emerge da uno studio realizzato dalla Universitat Pompeu Fabra, che ha analizzato il modo in cui adolescenti, giovani, associazioni di persone che convivono con la depressione e professionisti della comunicazione percepiscono le immagini usate per parlare di salute mentale.

Secondo i ricercatori, molte immagini generate dall’AI mostrano persone isolate, immerse nell’ombra, con il volto nascosto o prive di qualsiasi interazione sociale.

Questo tipo di rappresentazione finisce per rafforzare l’idea che chi soffre di depressione sia inevitabilmente solo, distante dagli altri e incapace di vivere momenti di normalità. Il problema è che la depressione non ha un solo volto e non si manifesta allo stesso modo in tutte le persone.

La ricerca sottolinea come queste immagini possano avere un impatto particolarmente forte sui giovani, che oggi trascorrono gran parte del loro tempo online e costruiscono molte delle proprie idee attraverso contenuti visivi condivisi sui social media, nei siti di informazione e nelle piattaforme digitali.

Quando la depressione viene rappresentata sempre con colori cupi, posture chiuse e atmosfere drammatiche, si rischia di creare uno stereotipo che non aiuta a comprendere davvero il disagio mentale.

Anzi, può aumentare la distanza emotiva verso chi soffre e rendere più difficile chiedere aiuto senza paura del giudizio.

Gli autori dello studio spiegano che molte immagini prodotte dall’intelligenza artificiale non riescono a mostrare la varietà delle esperienze legate alla depressione. Alcune persone continuano a studiare, lavorare, uscire con gli amici o sorridere, pur vivendo una sofferenza interiore profonda.

20260528 intledprs 1

Ridurre la depressione a un’unica immagine triste e stereotipata significa ignorare la complessità delle emozioni umane.

Un altro aspetto interessante emerso dalla ricerca riguarda il rapporto dei giovani con l’AI. Quando i partecipanti sapevano che un’immagine era stata generata artificialmente, tendevano a giudicarla in modo più critico. Questo suggerisce che la trasparenza sull’uso dell’intelligenza artificiale può influenzare il modo in cui le persone interpretano i contenuti visivi.

Sapere che un’immagine è stata creata da un algoritmo spinge infatti a chiedersi quali istruzioni siano state date al sistema e quali idee o pregiudizi possano essere stati incorporati nel risultato finale.

I ricercatori ricordano che l’intelligenza artificiale non è neutrale. Le immagini che produce dipendono dai dati con cui è stata addestrata e dalle richieste inserite dagli utenti. Per questo motivo, chi utilizza strumenti AI nella comunicazione della salute mentale dovrebbe prestare grande attenzione ai messaggi che trasmette. Le tecnologie digitali possono essere utili e innovative, ma hanno bisogno di responsabilità, sensibilità e spirito critico.

Lo studio conclude che una comunicazione più corretta sulla depressione può nascere solo dalla collaborazione tra associazioni di pazienti, esperti di salute mentale, giornalisti, ricercatori e sviluppatori di intelligenza artificiale.

L’obiettivo non è nascondere la sofferenza, ma rappresentarla in modo realistico e umano, senza alimentare paure o pregiudizi. Per i ragazzi e le ragazze che ogni giorno consumano immagini online, imparare a riconoscere gli stereotipi diventa quindi una competenza fondamentale per comprendere meglio la salute mentale e sviluppare maggiore empatia verso gli altri.


Riferimento bibliografico:

Saladié, N., Llorente, C., Revuelta, G. et alii.
Comparing Images of Depression in Mass Media and AI-Generated Pictures:
Mixed Methods Study
.
JMIR Human Factors (2026).