Teste rápido para detectar deficiências de visão de cores vermelho–verde usando uma tarefa de nomeação de cores assistida por rede neural

Por que isso importa no dia a dia

Milhões de pessoas enxergam cores de forma diferente sem perceber, e testes tradicionais de visão de cores podem ser lentos, caros ou difíceis de usar por crianças, idosos ou pessoas com mobilidade reduzida. Este estudo apresenta uma forma rápida e simples, baseada em computador, de detectar diferenças vermelho–verde apenas pedindo às pessoas que digam quais cores veem, enquanto um sistema de inteligência artificial determina silenciosamente se a visão delas é típica ou não.

Como a visão de cores pode variar entre as pessoas

A visão de cores humana depende principalmente de três tipos de células sensíveis à luz no olho, sintonizadas aproximadamente para comprimentos de onda longos (amarronzados/vermelhos), médios (esverdeados) e curtos (azulados). Quando um tipo está ausente, não funciona ou tem a sensibilidade deslocada, as pessoas podem confundir certos tons, especialmente vermelhos e verdes. Algumas são dicromatas, dependendo de apenas dois tipos de cones, enquanto outras são tricromatas anômalos, que têm os três cones mas com um deslocado, tornando certas cores mais difíceis de distinguir. Diferenças vermelho–verde afetam cerca de 8% das pessoas, na maioria desde o nascimento; outras desenvolvem problemas de cor mais tarde na vida, por exemplo devido a doenças oculares ou medicação.

Limites dos testes atuais de visão de cores

Médicos e empregadores usam vários tipos de testes de cor. Testes famosos com placas, em que as pessoas identificam números ou formas feitos de pontos coloridos, são bons para detectar problemas, mas podem ser sensíveis à iluminação e nem sempre fáceis de reproduzir em tela. Testes digitais mais avançados, como os que mostram formas coloridas em movimento ou exigem controle manual fino, podem medir a visão em detalhe, mas muitas vezes levam 20–30 minutos e demandam concentração e boas habilidades motoras. Outros testes pedem que as pessoas ordenem amostras coloridas ou igualem luzes coloridas, o que pode ser cansativo, complicado para crianças ou idosos e exigir equipamento especializado.

Uma ideia simples: apenas diga o que você vê

Os pesquisadores adotaram uma abordagem diferente que reflete a vida cotidiana: nomear cores. Eles mostraram a 56 voluntários 182 cores extraídas de cenas naturais—tons semelhantes aos encontrados em objetos do mundo real—e pediram que nomeassem cada uma usando 11 palavras básicas de cor em português (como vermelho, verde, azul ou marrom). Esse grupo incluiu pessoas com visão de cores típica e também vários tipos de diferenças vermelho–verde. Em vez de depender de um especialista humano para interpretar as respostas, a equipe alimentou o padrão de nomes em uma rede neural, um tipo de inteligência artificial capaz de aprender a reconhecer padrões complexos nos dados.

O que a inteligência artificial aprendeu

A rede neural foi treinada para fazer julgamentos em três níveis: primeiro, decidir simplesmente se a visão de cores de uma pessoa era típica ou não; segundo, separar visão típica, dicromatas e tricromatas anômalos; e terceiro, distinguir cinco categorias detalhadas, incluindo tipos específicos de perda vermelho–verde. Com o conjunto completo de 182 cores, ela identificou pessoas com diferenças na visão de cores com sucesso global muito alto: para triagem básica, tanto a sensibilidade (detectar quem tem diferença) quanto a especificidade (não rotular erroneamente quem tem visão típica) ficaram acima de 95%. Mesmo quando o modelo tentou classificar as pessoas nas categorias mais detalhadas de cinco grupos, seu desempenho permaneceu útil, embora menos preciso, refletindo a maior dificuldade dessa tarefa.

Encontrando as cores mais informativas

Para tornar o teste mais rápido, a equipe procurou um conjunto menor de cores que carregasse a maior parte da informação útil. Eles usaram um método que explica quais entradas a rede neural utiliza com mais força, e classificaram as 182 cores por importância. Repetidamente reentreinando e testando o sistema com as 5, 10, 15, 20 ou 25 cores principais, descobriram que usar cerca de 20 cores cuidadosamente escolhidas deu, na verdade, um desempenho de triagem ligeiramente melhor do que o conjunto completo. Isso sugere que cores extras podem adicionar ruído em vez de clareza e que um teste enxuto pode ser concluído confortavelmente em menos de dois minutos em uma tela calibrada padrão.

O que isso significa para a saúde e triagens cotidianas

O estudo mostra que uma tarefa de nomeação de cores rápida e de baixo esforço, interpretada automaticamente por inteligência artificial, pode igualar ou superar levemente testes clássicos de placas na detecção de diferenças de visão de cores vermelho–verde, sendo mais fácil de digitalizar e mais confortável para muitos usuários. Como depende de respostas faladas ou simples e de imagens estáticas, pode ser útil não apenas para exames de rotina e triagem ocupacional, mas também para monitorar doenças oculares ou até explorar mudanças de cor ligadas a condições cerebrais como Alzheimer ou autismo. Em termos práticos, o trabalho aponta para um futuro em que um teste curto baseado em aplicativo possa sinalizar confiavelmente problemas de visão de cores em apenas alguns minutos.

Citação: Monteiro, J.A.R., Marques, D.N., Linhares, J.M.M. et al. Rapid test for detecting red–green color vision deficiencies using a neural network-assisted color-naming task. Sci Rep 16, 9987 (2026). https://doi.org/10.1038/s41598-026-38222-2

Palavras-chave: deficiência da visão de cores, daltonismo vermelho–verde, triagem com rede neural, teste de visão digital, nomeação de cores