O comportamento digital pode indicar uma descompensação psiquiátrica?

A recaída é um grande desafio no manejo de longo prazo dos transtornos mentais. O seguimento normalmente se baseia em avaliações clínicas periódicas, que podem ser influenciadas por vieses de memória e resposta e não captar alterações precoces que antecedem a exacerbação dos quadros clínicos.

Nesse contexto, a fenotipagem digital consiste na quantificação em tempo real do fenótipo humano em nível individual, utilizando dados provenientes de smartphones e outros dispositivos digitais pessoais. A estratégia tem sido considerada uma abordagem promissora para o monitoramento longitudinal da saúde mental e a identificação precoce de recaídas.

A fenotipagem digital utiliza informações produzidas por dispositivos digitais para capturar comportamentos e padrões fisiológicos que refletem estados mentais, possibilitando o monitoramento de transtornos psiquiátricos em ambientes naturais.

Fenotipagem digital na saúde mental: dados ativos e passivos

Os autores comumente dividem a fenotipagem digital em dois subgrupos: dados ativos e passivos.

Os dados passivos são rastros digitais ou vestígios de dados produzidos como subproduto das interações com a tecnologia. Incluem informações de sensores como acelerômetro, GPS, giroscópio e sensor de luz ambiente, além de logs de uso do telefone, chamadas e mensagens de texto.

A principal vantagem é não depender da resposta do indivíduo, permitindo a coleta contínua e supostamente objetiva de informações sobre padrões de sono, atividade física, mobilidade, interações sociais e uso do dispositivo.

Já os dados ativos requerem participação direta do usuário. É o que ocorre, por exemplo, quando pacientes respondem, em tempo real, a perguntas sobre humor, sintomas ou comportamentos, além de questionários e diários eletrônicos.

Aplicações clínicas da fenotipagem digital em psiquiatria

Há estudos mostrando que as expressões faciais de pacientes no primeiro episódio psicótico estiveram associadas aos sintomas negativos e à resposta inicial ao tratamento antipsicótico.

Um estudo investigou a aplicação de processamento de linguagem natural a amostras de fala, com potencial para identificar até mesmo desvios sutis na linguagem em indivíduos saudáveis, pacientes com primeiro episódio psicótico, indivíduos em estado clínico de alto risco e pacientes com esquizofrenia.

Depressão, sono, mobilidade e interação social

Nos transtornos depressivos, a fenotipagem digital tem sido utilizada para identificar alterações nos padrões de sono, atividade física e interações sociais que se correlacionam com a gravidade dos sintomas.

Estudos mostram que a redução na entropia de localização, um correspondente do retraimento social, está associada a episódios depressivos.

Uma revisão sistemática de 2026 incluiu 52 estudos e 4.814 participantes que utilizaram métodos de sensoriamento passivo. Os transtornos estudados incluíram transtornos do espectro da esquizofrenia (35%), transtorno bipolar (27%) e transtorno depressivo maior (23%).

As principais características preditivas incluíram alterações nos padrões de sono (83% dos estudos), atividade física (83%), mobilidade derivada de GPS (75%) e frequência de comunicação social (65%).

A fenotipagem digital passiva apresenta potencial significativo para prever recaídas psiquiátricas em diferentes categorias diagnósticas, com capacidade de discriminação preditiva de moderada a boa — AUC (área sob a curva ROC) de 0,70 a 0,88 — alcançável até quatro semanas antes da recaída confirmada.

No entanto, limitações metodológicas substanciais precisam ser abordadas, incluindo dependência de validação interna, definições heterogêneas de desfecho e diversidade demográfica limitada. Um alto risco de viés foi identificado em 75% dos estudos, atribuível principalmente à metodologia analítica inadequada e à dependência de validação interna.

Outra revisão sistemática de 2026, que incluiu 22 estudos e aproximadamente 12.000 participantes, também encontrou evidências heterogêneas. Intervenções baseadas em SMS e ferramentas de terapia cognitivo-comportamental por aplicativos apresentaram resultados geralmente positivos, enquanto os achados relativos a algoritmos preditivos baseados em dispositivos vestíveis foram inconsistentes.

Ainda que os resultados sejam promissores, são necessárias pesquisas robustas, com definições padronizadas dos desfechos e validação externa antes da utilização clínica.

Saúde mental digital ainda enfrenta desafios metodológicos

A qualidade dos dados é um problema na fenotipagem digital e está associada aos achados inconsistentes na literatura. Estudos têm identificado diferenças importantes na qualidade das informações entre plataformas.

Além disso, é possível que dados faltantes não sejam aleatórios e representem a interrupção do uso dos dispositivos em períodos de piora clínica.

Diferentes estudos utilizam combinações variadas de sensores e pipelines de processamento, dificultando a comparação dos resultados e a generalização dos achados.

Também não há padronização das definições de desfechos clínicos. Um exemplo é a definição de recaída, que varia desde a piora em escalas validadas até a hospitalização.

Por fim, a concentração geográfica dos estudos em países de alta renda, particularmente Estados Unidos e Europa, levanta questões sobre a generalização dos achados para países de baixa e média renda, onde a falta de assistência e a dificuldade de acesso aos serviços de saúde mental são substanciais.

Privacidade, consentimento e vieses na fenotipagem digital

O monitoramento contínuo de dados comportamentais e fisiológicos envolve a coleta de informações altamente sensíveis, incluindo padrões de localização, comportamento de comunicação e sinais fisiológicos.

Desse modo, proteção de dados e privacidade precisam ser preocupações primordiais. A coleta contínua de dados pessoais sensíveis exige estruturas robustas de governança, processos transparentes de consentimento e práticas responsáveis de gestão de dados.

Muitos sistemas de inteligência artificial, especialmente aqueles baseados em aprendizado profundo, tendem a ser opacos, ocultando a lógica utilizada para tomar decisões. Isso dificulta o consentimento informado, a tomada de decisão compartilhada e a revisão de avaliações realizadas por inteligência artificial.

A equidade é outra preocupação central. Algoritmos de fenotipagem digital treinados em dados de grupos majoritários frequentemente diagnosticam de maneira incorreta populações sub-representadas, exacerbando desigualdades estruturais em saúde mental.

Intervenções adaptativas just-in-time podem ampliar o monitoramento

As Intervenções Adaptativas Just-in-Time (JITAIs) são intervenções digitais que utilizam informações dinâmicas sobre o estado interno e o contexto do indivíduo para decidir, em tempo real e em seu ambiente natural, se e como intervir. O objetivo é que sejam entregues no momento em que o paciente mais necessita.

Há exemplos de uso de JITAIs na prevenção do suicídio, redução de sintomas depressivos, transtornos alimentares, comportamentos aditivos e manejo do estresse.

No campo dos transtornos alimentares, foi desenvolvida uma intervenção que oferecia recomendações personalizadas de habilidades em tempo real com base em dados obtidos por monitoramento digital. Em um estudo piloto com 56 pacientes com bulimia nervosa que recebiam TCC convencional, a intervenção demonstrou viabilidade e aceitabilidade, mas não produziu uma taxa maior de mudança dos sintomas.

JITAIs em depressão e ansiedade

Em relação à depressão e à ansiedade, um ensaio clínico piloto randomizado avaliou uma intervenção para jovens realizada por smartphone e voltada à redução de pensamentos negativos repetitivos, como ruminação e preocupação. A estratégia apresentou efeitos de moderados a grandes após seis semanas.

Outro ensaio piloto, voltado à ruminação depressiva em adultos, também mostrou melhora da ruminação em comparação com o grupo controle.

Um dos desafios mais significativos no desenvolvimento de JITAIs é que os pacientes podem não estar abertos à intervenção, tanto por questões ligadas à saúde mental — como redução da atenção em um contexto de ansiedade — quanto por questões ambientais. Uma paciente em situação de estresse agudo, por exemplo, pode estar em uma reunião de trabalho na qual não possa usar o celular.

A manutenção do engajamento com aplicativos de saúde mental ao longo do tempo também é uma preocupação.

Entre as estratégias para favorecer a continuidade, sugere-se associar intervenções realizadas por humanos às JITAIs, reforçando a responsabilização pelo tratamento e a aliança terapêutica.

Outra possibilidade é o aprimoramento contínuo da JITAI. À medida que os pacientes interagem com a intervenção, a inteligência artificial pode aprender em quais circunstâncias eles são mais propensos a se engajar e responder às intervenções.

Leia mais: Saúde mental na era da IA: riscos, oportunidades e o papel do médico

IA generativa e personalização das intervenções

Como perspectiva futura, o uso de inteligência artificial generativa pode permitir que os indivíduos façam escolhas que personalizem a JITAI entregue a eles.

Os pacientes poderiam explicar, por texto ou áudio, suas preferências quanto ao conteúdo ou ao momento do prompt, e a IA generativa personalizaria a entrega.

A pesquisa futura também deve se concentrar em como construir JITAIs que utilizem relações sociais para impulsionar mudanças de comportamento.

Diferentemente das JITAIs tradicionais, projetadas para oferecer intervenções a um único indivíduo, novas abordagens propõem utilizar as relações sociais para coordenar intervenções direcionadas a múltiplos indivíduos interdependentes, como pais e filhos.

Essas intervenções são mais complexas, pois precisam considerar a natureza dinâmica das relações sociais, os diferentes mecanismos pelos quais elas podem influenciar a mudança comportamental e as diferentes escalas de tempo em que essas relações e seus efeitos se desenvolvem.

Embora o campo ainda esteja em desenvolvimento, as evidências sugerem que as JITAIs podem se tornar uma ferramenta terapêutica valiosa.

Leia mais: APA 2026: Inteligência artificial na psiquiatria e seus desafios éticos

O que a fenotipagem digital pode mudar na prática clínica?

Para o clínico, a fenotipagem digital oferece a oportunidade de complementar as avaliações tradicionais com dados objetivos e contínuos sobre o comportamento do paciente.

Essas informações podem auxiliar na detecção precoce de piora do quadro clínico, no monitoramento da resposta ao tratamento e na personalização de intervenções.

No entanto, os dados devem ser interpretados em conjunto com a história clínica e os objetivos do paciente, e não como substitutos das informações provenientes do encontro clínico.

O consentimento informado precisa ser obtido, com os pacientes compreendendo o uso das informações e os riscos potenciais.

Para que a fenotipagem digital atinja seu potencial clínico, são necessários estudos longitudinais em larga escala, definições padronizadas de desfecho e abordagens de monitoramento multimodal que integrem dados comportamentais, fisiológicos e clínicos.

A implementação clínica responsável requer estruturas éticas robustas, governança transparente de dados e validação prospectiva em ambientes clínicos diversos. Quando essas condições forem atendidas, a fenotipagem digital tem o potencial de melhorar significativamente o monitoramento da saúde mental, permitindo intervenções mais oportunas e personalizadas.

É fundamental, no entanto, que a dimensão ética da prática clínica não seja perdida à medida que avanços tecnológicos são incorporados. Privacidade dos dados, consentimento informado, transparência dos algoritmos e equidade no acesso precisam ser considerados para garantir que novas tecnologias sejam implementadas de forma justa.

#Conteúdo otimizado com o auxílio de IA e revisado pela equipe do Portal Afya.