微表情识别谁说了算？Sci Rep：情绪低落才是关键，焦虑压根没影响

和人聊天时，对方一闪而过的皱眉、转瞬即逝的嘴角下垂，这些持续不到0.5秒的微表情，往往藏着最真实的情绪信号。可你有没有发现，心情好的时候，好像更容易读懂别人的笑脸；情绪低落时，却总觉得对方带着一丝伤感？近日，Sci Rep发表的一项研究，就揭开了心理状态与微表情识别之间的隐秘关联，结果出人意料。

面部表情是人类最基础、最普适的情绪表达方式，准确解读这些表情是社交互动的核心技能，却不是人人都擅长。尤其是焦虑症、抑郁症等常见心理障碍，可能会悄悄改变这种能力。全球每年新增近4582万焦虑症患者，抑郁症更是跻身全球疾病负担第四位，成为影响人类健康的重要问题。

长期以来，学界一直争论焦虑与表情识别的关系：有人说焦虑会破坏识别能力，有人发现焦虑者对愤怒、恐惧等威胁性表情更敏感，也有人没找到明显关联。而微表情作为即便刻意隐藏情绪也会显现的“真实信号”，其识别能力直接影响社交优势，但焦虑与微表情识别的具体关联，此前从未被深入探究。与此同时，抑郁症与表情识别的关联呈现多维度特征，包括整体识别能力变化、特定情绪识别增强及认知偏向等。基于此，这项研究旨在明确特质焦虑对微表情识别及愤怒表情识别的影响，并验证情绪低落与微表情识别的关联。

研究最终纳入401名受试者，平均年龄43.63岁，年龄范围覆盖18至88岁，男女各200名（1名未报告性别）。受试者完成了特质与状态焦虑、抑郁症状、微表情识别测试，并填写了人口统计学信息。研究核心采用微表情训练视频（METV）评估微表情识别能力，该工具通过动态视频呈现7种基础情绪及中性表情，更贴近日常生活中人们对表情的感知场景，生态效度更高。

研究最初猜想，特质焦虑会降低微表情识别的整体能力，同时让人们对愤怒表情的识别更灵敏。但实验结果却颠覆了这一认知：特质焦虑与微表情识别的整体分数之间没有显著负相关，无论是否调整年龄、性别、教育水平及情绪低落状态，回归分析均未发现两者存在关联；同时，特质焦虑与愤怒表情的微表情识别也无显著正相关。

表1 关键研究变量的描述性统计

与焦虑的“毫无影响”形成鲜明对比的是，情绪低落展现出了显著的调控作用。未控制其他变量时，情绪低落者的微表情识别整体分数更高；在悲伤表情识别方面，无论是否控制协变量，情绪低落者的识别敏感性都显著增强，未控制协变量时该关联达强证据水平。

更值得关注的是表情识别偏向：情绪低落组在控制人口统计学特征及特质焦虑后，更易将中性表情误判为悲伤，其误判概率约为非情绪低落组的3至4倍，但未发现将快乐表情误判为中性的偏向。此外，年龄也是微表情识别的重要影响因素，年轻受试者的识别能力更优。

表2 预测METV首次正确作答的回归模型

表3 预测愤怒表情首次正确作答的回归模型

这一现象其实能用情绪一致性偏差理论解释：人在情绪低落时，注意力和记忆会不自觉偏向与自身情绪一致的信息。简单说，心情低落的人对悲伤相关的表情线索更敏感，能更快捕捉到这类信号，同时也更容易把模糊的刺激（比如没有明显情绪的中性表情）解读为负性内容，这就是他们悲伤表情识别能力增强、且易将中性表情误判为悲伤的核心原因。

而特质焦虑之所以没显现出关联，可能是因为既往部分研究没控制抑郁症状，之前认为焦虑对表情识别的影响，或许是情绪低落的“混淆效应”所致。此外，一般焦虑与社交焦虑存在本质差异，后者可能更易显现对威胁性表情的敏感性，而本研究聚焦的特质焦虑并未呈现该效应。

这项研究通过大样本量、多变量控制的严谨设计，清晰划分了情绪低落与焦虑在微表情识别调控中的差异化作用，刷新了学界对这一领域的认知。它不仅深化了我们对心理障碍相关社交认知损伤的理解，更为情绪低落人群的社交干预提供了全新方向。未来，针对情绪低落者开展针对性训练，优化其表情识别的客观性，或许能帮助他们更好地解读他人情绪，改善社交体验。随着研究的持续深入，我们有望为焦虑、抑郁相关人群的社交认知干预提供更精准的理论支撑，助力他们提升生活质量与社会适应能力。（生物谷Bioon.com）

参考文献：

Wezowski, K., Penton-Voak, I.S. Low mood, not anxiety, connected with micro facial expression recognition. Sci Rep 15, 42784 (2025). https://doi.org/10.1038/s41598-025-26921-1