📰 NotíciaUFF

Estudo da UFF usa IA e dados de smartwatch para detectar níveis de ansiedade

Uma pesquisa conduzida por cientistas da Universidade Federal Fluminense (UFF) usou inteligência artificial — mais especificamente uma rede neural do tipo LSTM — combinada a dados de acelerômetro coletados por smartwatches para identificar padrões de movimento associados a diferentes níveis de ansiedade durante atividades cotidianas. O estudo foi divulgado por volta de 11 de setembro.

Ana Costa
Editora de Tecnologia

·23 set. 2026·Fonte: Extra Globo / BRA1

Estudo da UFF usa inteligência artificial e smartwatch para detectar ansiedade

UFF — pesquisa combina rede neural LSTM e dados de acelerômetro de smartwatch para identificar sinais de ansiedade.

O que o estudo fez: pesquisadores da UFF recrutaram 41 voluntários universitários, que usaram smartwatches durante atividades do dia a dia enquanto seus níveis de ansiedade eram avaliados pela escala IDATE (Inventário de Ansiedade Traço-Estado). Os dados de movimento captados pelo acelerômetro dos relógios foram então processados por uma rede neural LSTM (Long Short-Term Memory), treinada para reconhecer padrões associados a diferentes níveis de ansiedade.

Como a inteligência artificial entra na equação

Redes LSTM são um tipo de rede neural especialmente adequada para analisar sequências de dados ao longo do tempo — no caso do estudo, a sequência de movimentos captados pelo acelerômetro do smartwatch durante as atividades dos voluntários. Ao cruzar esses padrões de movimento com os resultados da escala IDATE, os pesquisadores buscaram identificar assinaturas de movimento que se repetem em momentos de maior ansiedade.

🎓
41 voluntários universitáriosGrupo de participantes usado para coletar dados de movimento durante atividades cotidianas.
📊
Escala IDATE como referênciaInstrumento validado cientificamente para medir ansiedade-traço e ansiedade-estado, usado para calibrar o modelo.
🧠
Rede neural LSTMModelo de IA especializado em reconhecer padrões em sequências temporais, aplicado aos dados de acelerômetro.
⌚
Dados de acelerômetro do smartwatchFonte primária de dados de movimento, coletada de forma não invasiva durante o uso cotidiano do dispositivo.

⚠ Uma ferramenta de apoio, não um diagnóstico

Os próprios pesquisadores da UFF destacam que o modelo desenvolvido é pensado como uma ferramenta de apoio complementar ao acompanhamento de saúde mental — e não como um substituto para diagnóstico clínico, que continua exigindo avaliação de profissionais qualificados.

Por que esse tipo de pesquisa é relevante

Wearables já coletam continuamente dados de movimento, frequência cardíaca e sono, o que os torna uma fonte de dados valiosa para pesquisas acadêmicas sobre saúde mental. Se validada em estudos maiores, uma abordagem como a da UFF poderia, no futuro, alimentar recursos de bem-estar em aplicativos de smartwatches — sempre como complemento, e não substituto, ao acompanhamento profissional.

Próximos passos da pesquisa

Como é comum em estudos com amostras relativamente pequenas, os próximos passos devem incluir a validação do modelo com grupos maiores e mais diversos de participantes, além de testes em contextos além do ambiente universitário, para confirmar se os padrões identificados se mantêm consistentes em diferentes perfis de usuários.