Dispositivos vestíveis, como smartwatches, transformaram-se de simples rastreadores de fitness em ferramentas poderosas para o monitoramento contínuo da saúde, oferecendo uma janela para os ritmos do corpo que antes só estava disponível em um hospital. Esses dispositivos coletam um fluxo constante de dados, como frequência cardíaca, estágios do sono e movimento, criando uma linha do tempo detalhada do estado fisiológico de uma pessoa. No entanto, esses dados raramente são perfeitos. Sensores podem perder o contato com a pele, baterias podem descarregar ou a conectividade pode cair, deixando lacunas na linha do tempo. Quando essas lacunas ocorrem, elas frequentemente acontecem em grupos; se o sensor perde o contato, ele para de registrar múltiplas medições de uma vez, em vez de apenas pular um único número aqui e ali. Para dar sentido a essa imagem incompleta, cientistas usam modelos computacionais para preencher as peças ausentes, um processo chamado imputação. A qualidade desses valores preenchidos é crítica, pois eles formam a base para qualquer previsão de saúde futura, como a previsão de uma convulsão ou a detecção de uma infecção. Se o modelo errar o palpite, toda a análise de saúde construída sobre ele poderá ser falha.

Por anos, pesquisadores testaram esses modelos de preenchimento usando um método que assume que os dados ausentes ocorrem aleatoriamente, como gotas de chuva caindo em uma janela. Eles pegavam um conjunto de dados completo, apagavam alguns pontos aleatoriamente e viam se o modelo conseguia adivinhar esses pontos de volta. Essa abordagem, no entanto, falha em refletir como os dispositivos vestíveis realmente falham. No mundo real, quando um sensor cai, ele frequentemente deixa uma lacuna longa e contínua onde muitas medições diferentes estão ausentes simultaneamente. Um novo estudo de Skye Goodman e colegas das Universidades de Bristol, Manchester e Birmingham desafia a antiga forma de testar. Ao analisar dados de uma pessoa com epilepsia usando um smartwatch Garmin, os pesquisadores desenvolveram um novo protocolo de teste que mimetiza essas lacunas agrupadas e realistas. Eles descobriram que a forma padrão de testar modelos estava escondendo suas verdadeiras fraquezas e forças, e que simplesmente mudar a forma como os modelos são treinados e testados poderia melhorar dramaticamente seu desempenho.

Os pesquisadores começaram estudando os padrões específicos de dados ausentes em seu conjunto de dados. Eles descobriram que as nove métricas de saúde diferentes registradas pelo relógio não falhavam de forma independente. Em vez disso, estavam intimamente ligadas ao hardware que as produzia. Por exemplo, a frequência cardíaca, os intervalos entre batimentos e os índices de estresse dependem todos de um sensor óptico no pulso. Quando esse sensor perdia o contato, todas essas medições desapareciam simultaneamente. Em contraste, a contagem de passos vinha de um sensor diferente, o acelerômetro, que tinha seus próprios padrões de falha. As lacunas também variavam drasticamente em comprimento; alguns recursos tinham apenas quedas breves de um único momento, enquanto outros, como a frequência cardíaca, sofriam interrupções longas que poderiam durar horas. A equipe percebeu que um método único e uniforme para testar não poderia capturar essa complexidade. Eles criaram um novo sistema de avaliação que minerava essas lacunas do mundo real dos dados de treinamento, categorizando-as por comprimento em baldes típicos, moderados e severos, e então injetava esses exatos padrões nos dados de teste. Isso garantiu que os modelos fossem testados no mesmo tipo de ausência agrupada e difícil que enfrentariam no mundo real.

Quando os pesquisadores aplicaram este protocolo realista, os resultados foram impressionantes. Eles testaram dois modelos avançados de aprendizado profundo, conhecidos como BRITS e SAITS, que são projetados para lidar com dados complexos de séries temporais. Sob o antigo método de teste aleatório, esses modelos pareciam performar razoavelmente bem. No entanto, ao serem testados contra as lacunas agrupadas e realistas, seu desempenho caiu significantemente, revelando que eles haviam sido excessivamente confiantes. O estudo mostrou que os modelos haviam sido treinados em dados onde os valores ausentes estavam espalhados aleatoriamente, portanto, nunca aprenderam a lidar com a situação em que um bloco inteiro de dados desaparece. Para corrigir isso, a equipe ajustou o processo de treinamento para que os modelos fossem expostos à mesma ausência em estilo de bloco realista durante sua fase de aprendizado. Essa mudança simples teve um efeito profundo: a taxa de erro para o modelo BRITS nos cenários de lacunas mais severas caiu 43 por cento. Esse progresso não foi um ajuste menor; transformou um modelo que lutava sob condições realistas em um que performa de forma robusta.

O estudo também revelou que nenhum modelo único é o melhor em tudo. Os pesquisadores descobriram que a melhor abordagem depende inteiramente do tipo específico de dado e do comprimento da lacuna. Para recursos de movimento lento, como uma contagem de passos diária ou um índice de "body battery" que muda muito gradualmente, um método simples e clássico chamado interpolação linear — que essencialmente desenha uma linha reta entre o último ponto conhecido e o próximo — era frequentemente o mais preciso, especialmente para lacunas curtas. No entanto, para sinais dinâmicos e de rápida mudança, como a frequência cardíaca, os modelos avançados de aprendizado profundo eram muito superiores, particularmente quando as lacunas eram longas. Os pesquisadores também descobriram que adicionar informações sobre a hora do dia e os ritmos diários naturais do corpo ajudava os modelos a fazerem palpites melhores quando os dados estavam ausentes. Isso foi especialmente verdadeiro para o modelo BRITS, que viu melhorias significativas na precisidade para frequência cardíaca e dados de sono quando essas pistas baseadas no tempo foram incluídas.

Interessantemente, o estudo destacou um compromisso entre precisão e a forma dos dados. Enquanto um modelo, o BRITS estendido, era melhor em adivinhar o valor exato de um ponto ausente, o outro modelo, o SAITS, era melhor em preservar a forma estatística geral dos dados. Essa distinção é vital para aplicações médicas. Um modelo que adivinha o valor médio pode ser preciso na média, mas pode falhar em capturar eventos raros e extremos, como um pico súbito na frequência cardíaca que frequentemente precede uma convulsão. Os pesquisadores descobriram que ambos os modelos tendiam a suavizar esses extremos, potencialmente escondendo os sinais que os médicos precisam ver. Isso sugere que, embora os modelos sejam poderosos, eles ainda precisam de refinamento para garantir que não percam anomalias críticas e vitais.

As descobertas deste artigo carregam uma mensagem clara para o futuro da tecnologia de saúde vestível. A maneira como testamos esses modelos importa tanto quanto os próprios modelos. Usar métodos de teste irreais e aleatórios dá uma falsa sensação de segurança e obscurece as verdadeiras capacidades da tecnologia. Ao adotar um protocolo que espelha a realidade desordenada e agrupada de como os sensores falham, os pesquisadores podem desenvolver melhores estratégias para preencher as lacunas. O estudo conclui que não existe um único "melhor" modelo para todas as situações; em vez disso, a abordagem mais eficaz será provavelmente um sistema híbrido que escolhe a ferramenta certa para o trabalho específico, seja uma linha simples para dados lentos ou uma rede neural complexa para sinais dinâmicos. Essa mudança de perspectiva, de buscar uma solução universal para entender as nuances dos dados, é um passo crítico para construir sistemas de monitoramento de saúde mais confiáveis e eficazes para o futuro.