Pesquisa mostra que relógios inteligentes medem a caminhada com precisão e ajudam a cuidar da saúde

Ouça este artigo

Você já imaginou que seu smartwatch pode medir sua marcha com precisão de laboratório? Pesquisadores do Google criaram um modelo de aprendizado profundo que usa sinais do pulso (IMU) e a altura do usuário para estimar velocidade de caminhada, comprimento do passo, tempo de balanço e tempo de apoio. O método foi validado em um estudo controlado com 246 participantes e cerca de 70.000 segmentos de caminhada, mostrando resultados confiáveis e comparáveis a aparelhos de referência. Abaixo explicamos como funciona, o que foi testado e por que isso importa para a sua saúde.

• Relógios smart estimam métricas de marcha com alta confiabilidade

• Modelo usa sinais do acelerômetro e giroscópio do pulso e a altura do usuário

• Rede neural prevê diretamente velocidade, comprimento de passo e tempos de apoio

• Validação em grande estudo com referência de laboratório mostra desempenho sólido

• Monitoramento contínuo no pulso pode ajudar a detectar risco de queda e mudanças na mobilidade

Smartwatches podem medir sua marcha com precisão, mostra grande estudo

Pesquisadores do Google desenvolveram um modelo de aprendizado profundo que estima várias medidas de marcha usando sensores de um smartwatch e validaram o método em um estudo com 246 participantes e cerca de 70.000 janelas de caminhada.

O que foi demonstrado

• Uso de dados do IMU (acelerômetro e giroscópio 3-eixos) de um Pixel Watch a 50 Hz.

• O modelo prevê velocidade de marcha, comprimento do passo, tempo de balanço (swing), tempo de apoio (stance) e tempo de apoio duplo (double support).

• Precisão e confiabilidade comparáveis a métodos com smartphone, mesmo quando o modelo de smartphone foi treinado com quase o dobro de segmentos.

Como funciona o modelo

• Núcleo: rede temporal baseada em TCN (Temporal Convolutional Network).

• Arquitetura multi-head: várias saídas, cada uma projetada para uma medida de marcha.

• Entradas: sinais IMU brutos altura do usuário (valor demográfico).

• Janelas de processamento: 5 segundos com 1 segundo de sobreposição.

• Função de treinamento: MAPE (erro percentual absoluto médio) para equilibrar saídas com unidades diferentes.

Validação do estudo

• Amostra: 246 adultos, sem uso de dispositivos de assistência e sem condições que afetem o equilíbrio.

• Locais: Mountain View (EUA) e Universidade de Kyoto (Japão).

• Referência: passadeira de laboratório Zeno Gait Walkway.

• Dispositivos usados: Pixel Watch (um em cada punho) e quatro Pixel 6 posicionados em bolso frontal, bolso traseiro, mochila e bolsa transversal.

• Estratégia estatística: validação cruzada em 5 dobras, mantendo todos os dados de cada participante em um único grupo de teste.

Resultados principais

• Métricas de marcha apresentaram correlação e confiabilidade elevadas (coeficientes frequentemente superiores a 0,7; ICC>0,7 para a maioria das medidas).

• O método no pulso igualou o desempenho de abordagens com smartphone em cenários de bolso frontal/tras.

• Mais de 70.000 janelas de caminhada foram avaliadas, conferindo robustez aos achados.

Por que isso importa para você

• Um relógio no pulso é mais estável e prático para monitoramento contínuo do que um telefone no bolso.

• Permite rastrear a marcha no dia a dia, mesmo quando você anda sem o telefone.

• Dados detalhados de marcha podem ajudar a identificar risco de queda, alterações na mobilidade ou sinais iniciais de condições neurológicas e musculoesqueléticas.

Detalhes técnicos adicionais

• Arquitetura: TCN com extração de embeddings dos sinais IMU; embedding concatenado com a altura antes da camada final.

• Saídas: cabeças separadas para velocidade e double support; cabeças bilaterais para comprimento do passo, swing time e stance time (lado esquerdo e direito).

• Treinamento e avaliação: uso de MAPE como função de perda; janelas de 5 s com 1 s de overlap; 5-fold cross-validation.

Limitações e próximos passos

• Participantes não usavam dispositivos de assistência; desempenho pode variar em populações clínicas.

• Testes realizados em ambiente controlado; uso livre em campo requer mais validação.

• Questões práticas como privacidade e consumo de bateria precisam ser tratadas para adoção em larga escala.

• Pesquisadores planejam ampliar as métricas e otimizar o modelo para uso contínuo e em tempo real.

Conclusão

Seu smartwatch tem potencial para ser um verdadeiro "laboratório no pulso": com sinais do IMU e a altura, um modelo de aprendizado profundo consegue estimar velocidade, comprimento de passo e tempos de apoio com confiabilidade comparável a equipamentos de referência. O estudo com 246 participantes e ~70.000 janelas de caminhada dá robustez aos resultados e aponta caminho para monitoramento contínuo da marcha, útil para detectar risco de queda e mudanças na mobilidade.

Para saber mais, confira artigos e acompanhe as próximas etapas em https://blog.aidirectory.com.br.

Perguntas frequentes

• Relógios inteligentes medem a caminhada com precisão?
  Sim. Estudo com 246 pessoas e ~70.000 segmentos mostrou alta validade (r>0,7) e confiabilidade (ICC>0,7) para a maioria das métricas, com desempenho parecido ao de smartphones.

• Quais métricas de caminhada o relógio estima?
  Velocidade de marcha, comprimento do passo, tempo de balanço (swing), tempo de apoio (stance) e tempo de duplo apoio; mede lados esquerdo e direito quando aplicável.

• Como o relógio faz isso no pulso sem estar no bolso?
  Usa sinais IMU (aceleração e giroscópio 3-eixos) a 50 Hz. Um modelo deep learning (TCN multi-head) recebe sinais crus altura e prevê métricas em janelas de 5 s com 1 s de sobreposição, validado contra o sistema Zeno em laboratório.

• Quem pode se beneficiar dessas medições?
  Idosos, pessoas com risco de queda, quem tem condições neurológicas ou musculoesqueléticas, clínicos, pesquisadores e usuários que desejam monitorar mobilidade.

• E quanto à privacidade e à bateria?
  Privacidade: é possível processar no dispositivo ou com consentimento e proteção de dados. Bateria: monitoramento contínuo consome energia, mas o modelo pode ser otimizado e usar amostragem intermitente.

Se você quiser conhecer outros artigos semelhantes a Pesquisa mostra que relógios inteligentes medem a caminhada com precisão e ajudam a cuidar da saúde, você pode visitar a categoria Dicas.