Do jeito de andar, uma câmera tira pistas sobre peso, sono e idade
Uma inteligência artificial treinada com o movimento de 3.328 adultos estimou idade, IMC e gordura visceral pela forma de caminhar. E encontrou sinais em quase todos os sistemas do corpo.
O jeito como uma pessoa anda carrega informação sobre muito mais do que pernas e equilíbrio. Um estudo publicado na Nature Medicine treinou um modelo de inteligência artificial com o movimento tridimensional de 3.328 adultos. A partir da caminhada, o modelo estimou idade, índice de massa corporal (IMC) e área de Gordura visceral, além de traços ligados a sono, força e uso de medicamentos.
Foto: Maria Tyutina/PexelsO trabalho é de pesquisadores do Weizmann Institute of Science, em Israel, com Adam Gabet à frente das análises e Eran Segal na direção do projeto. Eles partem de uma ideia que já circula na medicina: a marcha é cada vez mais reconhecida como um sinal vital. O problema, segundo os autores, é que ela costuma ser tratada como sintoma de doenças específicas, e não como um marcador do corpo inteiro.
Como uma câmera lê a caminhada?
Os participantes fizeram cinco tarefas motoras diante de uma única câmera de profundidade, que registrou o esqueleto em movimento em três dimensões. Todos fazem parte do Human Phenotype Project, um grupo de adultos que passou por avaliações detalhadas de saúde.
A análise tradicional de marcha usa medidas calculadas, como cadência e comprimento da passada. Para os autores, esses números podem deixar escapar o detalhe fino de como alguém se move. O modelo faz outra coisa: traduz o movimento em conjuntos de números que descrevem como todas as articulações se deslocam juntas ao longo do tempo.
O que o movimento revelou?
Essas representações aprendidas superaram as medidas tradicionais na previsão da idade (correlação de 0,69), do IMC (0,91) e da área de gordura visceral (0,83). Na escala usada, 1 seria uma previsão perfeita.
Dos 3.210 traços de saúde testados, o modelo previu de forma significativa 1.887, espalhados por 18 sistemas do corpo. Entre os exemplos citados pelos pesquisadores estão a força de preensão manual, um dos critérios usados para avaliar a Sarcopenia, e a qualidade do sono.
O teste mais exigente comparou a caminhada com um modelo de base que usava só idade, IMC, gordura visceral e altura. O movimento melhorou a previsão nos 18 sistemas entre os homens e em 17 dos 18 entre as mulheres. Também melhorou a previsão de diagnósticos clínicos e do uso de medicamentos.
As medidas tradicionais, sozinhas, acrescentaram pouco ao mesmo modelo de base: das 3.210 previsões, foram significativas 188 nos homens e 213 nas mulheres. Numa comparação descritiva com uma versão simples, baseada só na posição das articulações, os maiores ganhos do modelo apareceram em idade, frequência cardíaca e elasticidade do fígado. IMC e gordura visceral já eram bem previstos pela versão simples.
Pernas e tronco contam histórias diferentes?
Contam. Ao retirar partes do corpo da análise, os pesquisadores viram que a dinâmica das pernas dominou as previsões ligadas a metabolismo e fragilidade. Já o movimento do tronco concentrava a informação sobre sono e estilo de vida.
O que o estudo mostra
Os autores concluem que os resultados estabelecem a marcha como um sinal biológico independente, que fala de vários sistemas ao mesmo tempo. E defendem levar a análise da caminhada para a avaliação clínica de rotina, como um sinal vital passivo e fácil de aplicar em larga escala. É uma proposta feita a partir de um estudo de previsão: o que o trabalho mediu foi a capacidade do modelo de reconhecer, no movimento, padrões que acompanham essas medidas de saúde.
O artigo informa os conflitos de interesse. Três autores são funcionários da Newton VR, empresa que desenvolveu o sistema Movement Lab usado para captar os dados. Adina Weinberger e Eran Segal são consultores pagos da Pheno.AI. O código do estudo foi disponibilizado publicamente.
Fonte: Nature Medicine


