Modelos de inteligência artificial aplicados a dados de dispositivos vestíveis são acurados para detectar depressão e prever episódios depressivos?
Resposta curta: Em revisão sistemática com meta-análise de 16 estudos, modelos de IA baseados em dispositivos vestíveis mostraram alta acurácia para detectar depressão, com sensibilidade agrupada de 0,89 e especificidade de 0,93, e AUC de 0,96. Para prever episódios depressivos, a sensibilidade foi 0,86 e a especificidade 0,65, indicando utilidade moderada.
Resposta
A revisão sistemática com meta-análise reuniu evidências sobre o desempenho de modelos de inteligência artificial treinados com dados de dispositivos vestíveis para detectar depressão e prever episódios depressivos. Os autores seguiram as diretrizes PRISMA-DTA e buscaram estudos nas bases PubMed, Embase, Web of Science e PsycINFO desde o início até maio de 2025, incluindo trabalhos que aplicaram algoritmos de IA a dados de vestíveis para esses fins.
Para detecção de depressão, a sensibilidade agrupada foi de 0,89 (IC 95% 0,83-0,93) e a especificidade de 0,93 (IC 95% 0,87-0,96), com razão de chances diagnóstica de 110,47 (IC 95% 33,33-366,17) e AUC de 0,96 (IC 95% 0,94-0,98). Os modelos de floresta aleatória apresentaram o melhor desempenho, com sensibilidade de 0,89, especificidade de 0,91 e AUC de 0,97. Análises de subgrupo indicaram que desenho do estudo, método de IA, padrão de referência e tipo de dado de entrada afetaram significativamente a acurácia diagnóstica.
Para predição de episódios depressivos, com base em 3 conjuntos de dados, a sensibilidade agrupada foi de 0,86 (IC 95% 0,80-0,91) e a especificidade de 0,65 (IC 95% 0,59-0,71). Esse resultado sugere utilidade moderada nesse cenário, com maior tendência a identificar corretamente quem terá o episódio do que a excluir corretamente quem não terá.
O risco de viés geral foi baixo a moderado, avaliado pelo PROBAST+AI, e não houve evidência de viés de publicação. A certeza da evidência foi avaliada com a ferramenta GRADE. Os autores concluem que os modelos alcançaram alta acurácia para detecção e utilidade moderada para predição, mas destacam heterogeneidade, dependência de conjuntos de dados retrospectivos e públicos e ausência de métodos padronizados como fatores que limitam a generalização.
O que o estudo mostrou
Revisão sistemática com meta-análise que incluiu 16 estudos (32 conjuntos de dados), com 1189 pacientes e 13.593 amostras. Para detecção de depressão, a sensibilidade agrupada foi de 0,89 e a especificidade de 0,93, com razão de chances diagnóstica de 110,47 e AUC de 0,96. Modelos de floresta aleatória tiveram o melhor desempenho. Para predição de episódios depressivos, em 3 conjuntos de dados, a sensibilidade foi de 0,86 e a especificidade de 0,65.
Limitações
O resumo aponta heterogeneidade entre os estudos, dependência de conjuntos de dados retrospectivos e públicos e falta de métodos padronizados, o que limita a generalização dos achados. A predição de episódios depressivos baseou-se em apenas 3 conjuntos de dados. O resumo não informa detalhes sobre as populações incluídas nem sobre a aplicabilidade clínica dos modelos.
Aplicação no consultório
Os achados apoiam o interesse em tecnologias vestíveis com IA como ferramenta de triagem e monitoramento, mas não substituem avaliação clínica. Na gestão do consultório, o médico pode acompanhar a evolução dessas tecnologias e considerar seu papel futuro em programas de rastreamento, ponderando a heterogeneidade e a necessidade de validação antes de incorporá-las à rotina.
Estudo citado
The Performance of Wearable Device-Based Artificial Intelligence in Detecting Depression: Systematic Review and Meta-Analysis. JMIR mental health, 2026.
Autores: Liu J, Wang J, Wu Z, Bin Adam Assim MIS.
DOI: 10.2196/85319 · PubMed: PMID 41805737
Perguntas para aprofundar
- Quais fatores influenciam a acurácia diagnóstica dos modelos de IA baseados em dispositivos vestíveis para depressão?
- Qual é o desempenho dos modelos de IA baseados em vestíveis para prever episódios depressivos?
- Quais limitações impedem a generalização dos modelos de IA com dispositivos vestíveis na prática clínica?
Mais sobre IA e wearables
- A inteligência artificial em dispositivos vestíveis é eficaz na detecção da apneia do sono?
- Dispositivos médicos vestíveis com inteligência artificial podem melhorar a precisão cirúrgica?
- Sensores vestíveis e inteligência artificial podem auxiliar na detecção da apneia do sono?
- Dispositivos vestíveis com inteligência artificial são eficazes para prever níveis de glicose em pacientes com diabetes?
- Qual é a acurácia dos dispositivos vestíveis na predição de quedas em idosos, segundo uma revisão sistemática e meta-análise?
Todas as perguntas sobre IA e wearables · Todos os temas · Versão em markdown