Validação do SocialBit como algoritmo de smartwatch para detecção de interação social em uma população clínica

Por que Contar Conversas Importa

Após uma doença grave como o AVC, pequenos momentos do dia a dia — como conversar com uma enfermeira ou brincar com a família — podem exercer influência silenciosa na recuperação. Laços sociais protegem a saúde cerebral e até podem prolongar a vida, mas os médicos raramente dispõem de um método confiável para medir quão socialmente engajado um paciente realmente está ao longo do dia. Este estudo apresenta o SocialBit, um sistema baseado em smartwatch que detecta conversas de forma consciente à privacidade e testa se ele consegue monitorar com precisão a interação social no mundo real em pessoas internadas após um AVC.

Um Smartwatch que Ouve, Não Grava

O SocialBit é um algoritmo de software que roda em um smartwatch comercial. Em vez de gravar conversas ou analisar as palavras ditas, ele usa trechos breves de som ambiente para capturar padrões como volume, ritmo e outras características acústicas. A partir disso, decide se um minuto provavelmente envolveu uma interação — definida simplesmente como qualquer som feito pelo paciente ou dirigido a ele por outra pessoa, incluindo a fala fragmentada ou não verbal comum após um AVC. Como o sistema nunca armazena áudio bruto nem transcrições, foi projetado para preservar a privacidade enquanto fornece aos clínicos uma leitura contínua do mundo social do paciente.

Testando o Dispositivo na Vida Real do Hospital

Para verificar se o SocialBit funciona fora do laboratório, os pesquisadores recrutaram 153 adultos internados por AVC isquêmico em dois hospitais de Boston. Os pacientes usaram o smartwatch durante o dia por até oito dias, enquanto observadores treinados assistiam a vídeo ao vivo seguro e rotulavam minuto a minuto como social ou não social. Isso gerou quase 89.000 minutos de dados codificados por humanos, dos quais cerca de 14.000 minutos também tinham leituras do SocialBit. Os pacientes eram muito variados: a gravidade do AVC ia de muito leve a grave, os escores de cognição e memória cobriam quase toda a escala, e 24 participantes apresentavam diferentes formas de afasia, um distúrbio de linguagem que frequentemente atrapalha a conversação normal. Essa diversidade permitiu testar se o sistema se mantinha eficaz mesmo quando a fala era interrompida, arrastada ou mínima.

Desempenho do Algoritmo

Quando os julgamentos do SocialBit foram comparados com os rótulos minuto a minuto dos codificadores humanos, a versão de melhor desempenho do algoritmo detectou corretamente a interação social em cerca de 87% dos minutos que realmente a continham e reconheceu corretamente a falta de interação em 88% das vezes. Estatisticamente, isso colocou o SocialBit à frente de detectores de fala e conversa de propósito geral existentes. Importante, sua visão resumida do tempo que os pacientes passaram interagindo ao longo do dia correspondeu de perto às estimativas humanas, mesmo que o smartwatch tenha amostrado apenas um em cada cinco minutos para economizar bateria. O desempenho permaneceu forte diante de muitos desafios do mundo real, incluindo televisão ao fundo, conversas paralelas na sala, chamadas telefônicas e de vídeo, diferentes unidades hospitalares e dois tipos de hardware de smartwatch.

Incluindo Pacientes com Dificuldade para Falar

Uma questão-chave era se o SocialBit falharia em pessoas com afasia, que podem falar menos ou produzir fala não padronizada. Nesse subgrupo, o algoritmo ainda teve bom desempenho, com apenas uma queda modesta na precisão em comparação com pacientes sem problemas de linguagem. O sistema também se comportou de forma clinicamente sensata: pacientes com AVCs mais graves tiveram menos minutos de interação detectada, espelhando o que os codificadores humanos observaram. Cada aumento de um ponto no escore de gravidade do AVC esteve associado a uma queda de aproximadamente um por cento na parcela do tempo dedicada à interação. Isso sugere que o SocialBit não está apenas reconhecendo som, mas capturando uma dimensão significativa da vida social dos pacientes.

O Que Isso Pode Significar para o Cuidado

Os autores argumentam que uma ferramenta como o SocialBit poderia transformar a interação social em um “sinal vital” rastreável ao lado da pressão arterial ou da frequência cardíaca. Em pesquisa, poderia fornecer um desfecho objetivo para ensaios clínicos que visem melhorar a qualidade de vida ou reduzir o isolamento. Na prática cotidiana, poderia alertar clínicos e cuidadores quando um paciente está se tornando menos socialmente engajado, incentivando apoio precoce ou mudanças no ambiente. Embora sejam necessários mais estudos para adaptar o sistema ao uso domiciliar e para captar não apenas a frequência das interações, mas o quão significativas elas são, este estudo mostra que um simples smartwatch pode medir de forma confiável um ingrediente poderoso, porém anteriormente invisível, da recuperação: a conexão humana.

Citação: Dhand, A., Tate, S., Mack, C. et al. Validation of SocialBit as a smartwatch algorithm for social interaction detection in a clinical population. Sci Rep 16, 4529 (2026). https://doi.org/10.1038/s41598-026-37746-x

Palavras-chave: recuperação de AVC, interação social, sensoriamento por smartwatch, biomarcador digital, afasia