Inteligência artificial e tecnologia vestível se unem para mapear a ansiedade no cotidiano
A rotina agitada, a pressão diária e as incertezas da vida moderna podem impactar significativamente a saúde mental. Uma pesquisa inovadora conduzida por cientistas da Universidade Federal Fluminense (UFF) explora o potencial de smartwatches e inteligência artificial (IA) para identificar e estimar os níveis de ansiedade de indivíduos em seu ambiente natural. O estudo, que utilizou dados de movimento coletados por dispositivos vestíveis, busca oferecer uma nova ferramenta para o monitoramento contínuo do bem-estar psicológico.
A ansiedade, caracterizada por preocupação excessiva, inquietação e alterações na atenção e no sono, pode se manifestar de diversas formas. Quando persistente e intensa, pode evoluir para transtornos de ansiedade, que estão entre os problemas de saúde mental mais prevalentes globalmente. No Brasil, estima-se que cerca de 9,3% da população, o equivalente a 18,7 milhões de pessoas, sofram com esses transtornos, com maior incidência entre mulheres.
A originalidade desta pesquisa reside na coleta de dados. Em vez de confinar os participantes a laboratórios, os pesquisadores optaram por monitorar seus movimentos por meio de smartwatches durante as atividades cotidianas. Essa abordagem visa capturar um retrato mais fiel da rotina real, pois o comportamento humano pode ser alterado quando se está ciente de estar sendo observado ou em um ambiente controlado. Estudos anteriores sobre o uso de dispositivos vestíveis para monitorar ansiedade em condições de vida livre ainda são limitados, mas incluem trabalhos que utilizaram actigrafia para prever a deterioração de sintomas e acelerômetros para identificar ansiedade em pessoas com insônia.
Este trabalho se destaca por combinar a estimativa contínua dos níveis de ansiedade, o uso exclusivo de dados de acelerômetro e a coleta em condições de vida livre, diferentemente de estudos anteriores que podem ter utilizado outras métricas ou ambientes controlados.
Como a inteligência artificial interpreta os movimentos?
Para analisar a vasta quantidade de dados de movimento, a equipe da UFF empregou redes neurais profundas, um ramo da IA capaz de identificar padrões complexos em grandes volumes de informação. O modelo foi treinado com dados de acelerômetro registrados pelo smartwatch, aprendendo a associar sequências de movimentos a diferentes níveis de ansiedade. Uma técnica específica utilizada foi a LSTM (Long Short-Term Memory), um tipo de rede neural projetada para lidar com dados sequenciais, como os movimentos que ocorrem ao longo do tempo.
A LSTM funciona de maneira análoga a alguém assistindo a um filme: para entender uma cena, nem todos os detalhes passados são cruciais, mas certas informações de cenas anteriores são importantes. Essa rede neural preserva informações relevantes de momentos anteriores e descarta aquelas que se tornam obsoletas, permitindo uma análise contextualizada dos movimentos. O acelerômetro, por sua vez, mede variações de aceleração em três eixos, registrando como os movimentos dos participantes mudavam ao longo das 24 horas de coleta.
Diferentemente de abordagens que buscam identificar movimentos específicos associados à ansiedade, este modelo de IA foi projetado para aprender os padrões de movimento de forma autônoma. A pesquisa ainda está em andamento para identificar quais características específicas desses dados de movimento contribuem para as previsões do modelo, um passo crucial para uma compreensão mais aprofundada.
Limitações e próximos passos da pesquisa
A pesquisa contou com 41 voluntários universitários, com idades entre 17 e 60 anos. Os níveis de ansiedade foram avaliados pelo Inventário de Ansiedade Traço-Estado (Idate), uma escala psicométrica que fornece uma medida da intensidade da ansiedade, mas que não substitui um diagnóstico clínico. A média dos escores na amostra foi de 53 pontos, indicando um nível médio de ansiedade.
Uma limitação importante da pesquisa é a amostra, que não incluiu participantes com níveis muito baixos de ansiedade. Isso significa que o modelo não foi treinado com toda a amplitude possível de escores, o que pode dificultar a generalização dos resultados para populações mais diversas. Para superar essa limitação, os pesquisadores planejam ampliar o número e a diversidade dos participantes nas próximas etapas, buscando avaliar a eficácia do modelo em grupos maiores e com diferentes perfis de ansiedade.
Apesar das limitações atuais, os resultados são promissores. A possibilidade de usar dispositivos vestíveis para monitorar mudanças comportamentais ao longo do tempo, sem a necessidade de ambientes de laboratório, abre um caminho interessante para o acompanhamento da saúde mental. É fundamental ressaltar que essa tecnologia não visa substituir a avaliação profissional, mas sim oferecer informações complementares que possam auxiliar em diagnósticos e tratamentos mais eficazes.
As informações foram reunidas a partir de dados divulgados pela pesquisa do Instituto de Computação da Universidade Federal Fluminense (UFF).
