Pesquisadores desenvolvem wearable que identifica depressão e ansiedade em crianças

Um estudo realizado pela Universidade de Vermont (EUA) demonstrou uma nova técnica que pode identificar crianças com ansiedade e depressão apenas analisando seus movimentos. Usando um algoritmo de aprendizado de máquina que examina o movimento rastreado por um sensor, o sistema pode identificar crianças com distúrbios psicológicos de uma forma melhor e mais rápida do que muitos métodos atuais.

Estima-se que cerca de 20% das crianças pequenas sofram do que é conhecido como “comportamentos internalizantes”. Essas condições podem incluir ansiedade e depressão, que são geralmente distúrbios difíceis de identificar devido às dificuldades das crianças em serem capazes de relatar de forma confiável os sintomas e a natureza muitas vezes não observável dos distúrbios. Os comportamentos internalizantes desenvolvidos precocemente em crianças frequentemente resultam em problemas de saúde posteriores, como abuso de substâncias e suicídio.

“Devido à escala do problema, isso exige uma tecnologia de rastreamento para identificar as crianças com antecedência suficiente para que elas possam ser direcionadas para os cuidados de que precisam”, diz Ryan McGinnis, professor assistente no departamento de engenharia elétrica e biomédica da Universidade de Vermont, explicando as motivações por trás da pesquisa.

O estudo se concentrou no treinamento de um algoritmo de aprendizado de máquina para distinguir crianças com ansiedade e depressão com base em pequenos movimentos físicos. Para isso, os pesquisadores recrutaram 63 crianças com idades entre três e sete anos, das quais cerca de um terço tinha sido previamente diagnosticado com um comportamento internalizante.

As crianças foram equipadas com wearables contendo sensores de movimento e, em seguida, submetidas a uma tarefa de indução de humor projetada para induzir certos sentimentos, como ansiedade. Tradicionalmente, terapeutas altamente treinados observariam esses testes comportamentais e, subsequentemente, gerariam um diagnóstico, mas a expectativa dos pesquisadores era de que um algoritmo treinado poderia fazer o mesmo trabalho. E eles estavam corretos.

Usando apenas 20 segundos de dados de movimento de um estágio inicial na tarefa de indução de humor, o algoritmo foi capaz de discernir as crianças com transtornos internalizantes daquelas que não tinham, com uma taxa de precisão de 81%. O algoritmo foi mais preciso na identificação de comportamentos internalizantes do que um diagnóstico gerado a partir do que é chamado de Child Behavior Checklist (ou, em português, Inventário de Comportamentos da Infância e Adolescência), um questionário preenchido pelos pais com 120 itens relacionados a questões comportamentais.

“Algo que normalmente fazemos com semanas de treinamento e meses de codificação pode ser feito em poucos minutos de processamento com esses instrumentos”, diz Ellen McGinnis, psicóloga clínica que trabalha no projeto.

Os pesquisadores estão planejando refinar ainda mais o algoritmo com volumes maiores de participantes da pesquisa, além de incorporar outros dados, como a análise de voz, para aumentar a especificidade dos resultados. O ideal é que o sistema finalmente seja capaz de distinguir entre comportamentos como ansiedade e depressão. A longo prazo, os pesquisadores esperam que esta tecnologia possa ser introduzida nas escolas para ajudar a identificar rapidamente as crianças que precisam de assistência especial, ou até mesmo usadas em clínicas médicas como avaliações de desenvolvimento padrão.

Para conferir o estudo completo, clique aqui.

Gostou do texto e quer fazer parte da nossa comunidade? Mande uma sugestão de pauta, um texto autoral ou críticas sobre o conteúdo para [email protected].