Perfis de psicopatologia e correlações longitudinais da autolesão não suicida em jovens: uma abordagem de aprendizado de máquina

Por que esta pesquisa importa para famílias e comunidades

A autolesão não suicida (NSSI) — causar deliberadamente dano ao próprio corpo sem intenção de morrer — é alarmantemente comum em adolescentes e jovens adultos. É assustador para os pais, doloroso para os jovens e fortemente associado a problemas de saúde mental posteriores e risco de suicídio. Este estudo acompanhou crianças brasileiras desde a infância até o início da vida adulta para perguntar algo crucial: existem tipos diferentes de jovens que acabam se autolesionando, e podemos identificar quem está mais em risco cedo o suficiente para oferecer ajuda?

Dois caminhos diferentes para o mesmo comportamento prejudicial

Usando dados de mais de 1.300 crianças do Estudo de Coorte de Alto Risco Brasileiro, os pesquisadores aplicaram ferramentas de aprendizado de máquina para classificar adolescentes e jovens adultos que relataram NSSI em grupos com base em seus perfis de saúde mental. Essas ferramentas, que procuram padrões em grandes conjuntos de dados, revelaram dois perfis claros entre 244 jovens que se autolesionaram: um com níveis geralmente altos de dificuldades psicológicas e outro com níveis relativamente baixos. Um grupo de comparação de mais de 1.100 pares que não relataram NSSI ajudou a equipe a entender o que distinguia os grupos de autolesão. Apesar de compartilharem o mesmo comportamento, os dois grupos com NSSI apresentaram históricos e padrões de desafios ao longo do tempo distintos.

Um grupo de grande dificuldade com problemas precoces e persistentes

O primeiro perfil — o grupo de “altas dificuldades” — incluiu jovens que apresentaram problemas perceptíveis desde cedo. Quando crianças, eram mais propensos a ter transtorno de déficit de atenção/hiperatividade (TDAH), conflitos entre os pais, relações tensionadas com os cuidadores e um dos pais com transtorno do humor. Ao entrarem na adolescência, seus problemas emocionais e comportamentais aumentaram: mais ansiedade e depressão, retraimento, problemas alimentares, explosões emocionais, vitimização por bullying e até sobrepeso — todos sinais de sofrimento crescente. No final da adolescência e início da vida adulta, esse grupo mostrou altas taxas de depressão diagnosticada, comportamento agressivo, histórico de trauma e uso de medicação psiquiátrica. Suas autolesões tendiam a ser mais frequentes e severas, refletindo uma cascata de dificuldades de longa duração em casa, na escola e em si mesmos.

Um caminho mais silencioso, com sintomas mais leves que ainda leva à autolesão

O segundo perfil — o grupo de “menores dificuldades” — apresentou-se mais próximo da população geral durante grande parte da infância. Esses jovens tinham menos sintomas precoces de saúde mental e, em média, melhor autocontrole, uma habilidade cognitiva que ajuda a pausar antes de agir. Também relatavam menos conflitos familiares e menor exposição a substâncias no início. Seus desafios surgiram mais tarde, por volta do meio da adolescência, na forma de suspensões escolares, ensino em meio período, alguns problemas obsessivo-compulsivos ou de atenção e trabalhos ou bicos. No final da adolescência, relataram sentimentos depressivos e algumas quedas no otimismo e bem-estar, mas não exibiram o quadro psiquiátrico amplo e severo do primeiro grupo. Muitos permaneceram engajados na escola, em atividades culturais e no trabalho. Para eles, a NSSI parece estar menos ligada a doença mental de longa duração e mais ao uso da autolesão como uma forma mal-adaptativa de lidar quando o estresse da vida cotidiana começa a exceder seus recursos de enfrentamento.

Como o aprendizado de máquina ajudou a conectar os pontos

Métodos estatísticos padrão muitas vezes têm dificuldade em prever quem irá se autolesionar, porque os fatores de risco se sobrepõem e interagem de maneira complexa. Aqui, os pesquisadores usaram um pipeline de aprendizado de máquina em duas etapas. Primeiro, um algoritmo chamado Self-Organizing Map criou um “mapa” dos perfis de saúde mental dos jovens, e um método de clusterização dividiu esse mapa nos dois subgrupos de NSSI e no grupo de comparação sem NSSI. Em seguida, outros algoritmos — incluindo modelos elastic net e random forest — vasculharam dezenas de variáveis coletadas em três momentos, como diagnósticos, sintomas, fatores familiares, experiências escolares e cognição. Esses modelos tiveram desempenho melhor que o acaso em distinguir os grupos, especialmente o perfil de altas dificuldades, e destacaram combinações de fatores como TDAH, bullying, trauma e problemas de humor parental para o grupo de alto risco, e suspensão escolar, perfeccionismo e sintomas que surgem mais tarde para o grupo de menores dificuldades.

O que isso significa para prevenção e apoio

Para um leitor geral, a principal mensagem é que nem todos os jovens que se autolesionam seguem o mesmo padrão. Alguns lutam visivelmente por anos, com múltiplos problemas de saúde mental e sociais se acumulando. Outros parecem relativamente bem ajustados até a adolescência tardia, quando o estresse e problemas mais leves gradualmente sobrecarregam suas habilidades de enfrentamento. A autolesão em ambos os grupos é um sinal de alerta de sofrimento, não simplesmente um “chamariz por atenção”. O estudo sugere que a prevenção precisa atuar em vários níveis: identificação precoce e tratamento de problemas de saúde mental na infância e do estresse familiar; esforços escolares e comunitários para reduzir o bullying; e acesso fácil a intervenções breves baseadas em habilidades que ensinem formas mais saudáveis de gerir emoções, mesmo para adolescentes que não atendem aos critérios de um transtorno mental formal. Ao reconhecer que diferentes trajetórias podem levar ao mesmo comportamento perigoso, famílias, escolas e sistemas de saúde podem responder com mais flexibilidade — e, em última instância, com mais eficácia — para proteger o futuro dos jovens.

Citação: Croci, M.S., Brañas, M.J., Finch, E.F. et al. Psychopathology profiles and longitudinal correlates of nonsuicidal self-injury in youth: a machine-learning approach. Transl Psychiatry 16, 99 (2026). https://doi.org/10.1038/s41398-026-03832-x

Palavras-chave: autolesão não suicida, saúde mental juvenil, aprendizado de máquina, desenvolvimento adolescente, fatores de risco e de proteção