Machine-learning classification of documented pedophilic sexual interest from eye-tracking patterns

Durante décadas, a avaliação do interesse sexual em crianças dependeu fortemente do que as pessoas dizem. Clínicos e especialistas forenses dependem de entrevistas, históricos autorrelatados e da disposição de indivíduos em admitir pensamentos ou ações que sabem ser socialmente inaceitáveis ou juridicamente perigosas. No entanto, a própria natureza do assunto — vergonha, medo de consequências e o desejo de se proteger — frequentemente leva a respostas incompletas ou desonestas. Isso cria uma lacuna significativa na compreensão, particularmente em contextos legais e de tratamento, onde os riscos são extremamente altos. Para preencher essa divisão, pesquisadores há muito buscam formas indiretas de medir a atração, procurando por sinais fisiológicos ou comportamentais que possam contornar o controle consciente. Uma dessas vias é o rastreamento ocular (eye tracking), uma tecnologia que registra exatamente para onde uma pessoa olha e por quanto tempo. A ideia subjacente é simples: para onde os olhos vão, a mente frequentemente segue, e esses padrões podem revelar preferências que uma pessoa tenta esconder.

Um novo estudo da Alemanha leva esse conceito um passo adiante ao combinar dados de rastreamento ocular com análise computacional avançada. Os pesquisadores buscaram verificar se poderiam distinguir entre homens com um interesse sexual documentado em crianças pré-púberes e aqueles sem tal interesse, usando apenas a maneira como seus olhos se moviam através de uma tela. Eles não pediram aos participantes que descrevessem seus sentimentos ou avaliassem imagens. Em vez disso, observaram como os olhos dos participantes reagiam a fotos de adultos e crianças enquanto os participantes realizavam tarefas específicas. O objetivo era ver se uma máquina poderia aprender a detectar as sutis e automáticas diferenças de olhar que separam esses dois grupos, oferecendo uma ferramenta potencial para apoiar o julgamento clínico em situações de alto risco.

O estudo envolveu 124 homens adultos recrutados de cinco locais diferentes na Alemanha. O grupo foi dividido em duas categorias principais: 34 homens que possuíam um diagnóstico documentado de pedofilia, muitos dos quais eram pacientes forenses com histórico de ofensas contra crianças, e 90 homens que não possuíam esse diagnóstico. Este grupo de controle incluiu voluntários saudáveis, bem como alguns indivíduos que haviam cometido outros tipos de crimes, mas não ofensas sexuais contra crianças. Para testar seus olhos, os participantes sentaram-se diante de uma tela e completaram três tarefas diferentes. Na primeira tarefa, foram apresentadas duas imagens lado a lado — uma de um adulto e uma de uma criança do mesmo gênero — e foram solicitados a decidir qual delas achavam mais atraente. Na segunda tarefa, eles tiveram que resolver enigmas mentais envolvendo a rotação de formas 3D, mas, enquanto o faziam, imagens de adultos ou crianças surgiam na tela como distrações. A terceira tarefa consistiu simplesmente em avaliar o quão estimulante ou agradável eram várias imagens. Ao longo desses exercícios, uma câmera de alta velocidade registrou cada movimento de seus olhos, anotando exatamente para onde olharam, quanto tempo permaneceram e a rapidez com que seu olhar mudou.

Os pesquisadores então alimentaram um sistema de aprendizado de máquina com essa enorme quantidade de dados visuais. Este programa de computador foi projetado para encontrar padrões complexos que observadores humanos poderiam perder. Ele analisou milhares de detalhes minúsculos, como quanto tempo uma pessoa encarou a cabeça ou o abdômen de uma criança versus um adulto, a rapidez com que seus olhos se moveram para uma imagem de distração e como sua atenção oscilava entre um enigma e uma imagem. O sistema foi treado para distinguir entre os dois grupos baseando-se exclusivamente nesses movimentos oculares. Os resultados foram impressionantes. Quando o computador analisou os dados da tarefa de orientação inicial e da tarefa de distração em conjunto, ele identificou corretamente se um homem tinha um interesse pedofílico documentado ou não com um alto grau de precisão. Especificamente, o modelo classificou corretamente cerca de 88 por cento dos casos no total. Foi particularmente eficaz ao identificar corretamente homens que não tinham o interesse, rotulando-os como negativos em quase todos os casos quando testado em um grupo separado de voluntários saudáveis.

O que tornou esses resultados possíveis não foi apenas observar um único comportamento, mas combinar muitos pequenos sinais. O estudo descobriu que homens com interesse pedofílico tendiam a olhar para imagens de crianças com mais frequência e por períodos mais longos do que os outros homens, mesmo quando tentavam focar em uma tarefa diferente. Eles também mostravam um padrão de atenção diferente quando crianças apareciam como distrações, muitas vezes olhando para elas mais cedo e por mais tempo do que o grupo de controle, sugerindo uma capacidade mais fraca de ignorar estímulos sexualmente relevantes. Em contraste, os homens sem esse interesse consistentemente preferiam olhar para imagens de adultos e eram melhores em ignorar as imagens de crianças para focar em seus enigmas. Curiosamente, o computador não precisou usar todos os dados coletados. Mesmo quando os pesquisadores reduziram o modelo a apenas um punhado das características de movimento ocular mais importantes, a precisão permaneceu muito alta. Isso sugere que o sinal é robusto e não depende de uma teia complexa de variáveis.

O estudo também examinou se esses padrões oculares mudavam dependendo do histórico dos participantes. Os pesquisadores observaram homens que cometeram crimes contra crianças versus aqueles que não os cometeram, homens que estavam atualmente presos versus aqueles que estavam em liberdade, e homens que admitiram ter esses pensamentos versus aqueles que os negaram. O modelo de aprendizado de máquina apresentou um desempenho consistente em quase todos esses diferentes subgrupos. Ele foi capaz de detectar os mesmos padrões de movimento ocular independentemente de o homem ser um paciente forense ou um voluntário saudável, ou se ele admitia abertamente seus interesses ou tentava negá-los. Essa consistência é significativa porque sugere que o método de rastreamento ocular captura um aspecto fundamental do interesse sexual que persiste mesmo quando uma pessoa tenta escondê-lo. As únicas exceções foram em grupos muito pequenos com históricos de ofensas específicos, onde o tamanho da amostra era pequeno demais para tirar conclusões sólidas.

No entanto, os pesquisadores são cuidadosos ao declarar o que esta tecnologia é e o que não é. Eles enfatizam que isso não é uma ferramenta de diagnóstico que possa substituir uma entrevista clínica ou um julgamento legal. O estudo foi uma prova de conceito, mostrando que dados de rastreamento ocular podem ser usados para classificar indivíduos em um ambiente de pesquisa com alta precisão. Os autores apontam que falsos positivos — rotular incorretamente uma pessoa inocente como tendo interesse pedofílico — poderiam ter consequências graves, portanto, o método requer mais testes em grupos maiores e mais diversos antes que possa sequer ser usado em decisões clínicas ou legais do mundo real. Eles também observam que o estudo não provou que os movimentos oculares causam o comportamento ofensivo, apenas que eles se correlacionam com um diagnóstico documentado. O impacto emocional das tarefas também foi monitorado e, embora as pontuações do computador estivessem ligadas a mudanças em sentimentos como raiva ou tristeza, o estudo não encontrou que os estados emocionais dos participantes antes do teste prediziam os resultados.

Em última análise, este trabalho oferece um vislumbre de um futuro onde a avaliação do interesse sexual pode depender menos do que as pessoas dizem e mais do que seus olhos fazem. Ao combinar tarefas visuais simples com poderosa análise computacional, os pesquisadores demonstraram que é possível detectar padrões distintos de atenção que diferenciam homens com interesse sexual em crianças de homens sem esse interesse. Embora a tecnologia ainda não esteja pronta para o tribunal ou para a clínica, as descobertas sugerem que os olhos podem conter a chave para compreender um aspecto oculto do comportamento humano que há muito é difícil de medir. O estudo conclui que, com validação adicional, esses métodos podem se tornar parte de uma nova geração de ferramentas que sejam mais difíceis de enganar, mais precisas em suas avaliações e potencialmente transformadoras para a forma como a sociedade aborda a prevenção e o tratamento.