Análise da marcha canina usando sensores inerciais e deep learning para distúrbios ortopédicos e neurológicos

Por que a caminhada do seu cão importa

Muitos donos reparam quando seu animal começa a mancar ou a se mover de forma estranha, mas mesmo veterinários experientes podem ter dificuldade para diferenciar se o problema vem de articulações doloridas ou do sistema nervoso. Este estudo explora uma nova maneira de ler a marcha de um cão usando pequenos sensores de movimento e inteligência artificial moderna, com o objetivo de permitir diagnósticos mais precoces e precisos que melhorem o tratamento e a qualidade de vida.

Pequenos sensores, visão ampla

Os pesquisadores equiparam os cães com sensores de movimento do tamanho de uma moeda, semelhantes aos encontrados em smartphones e rastreadores de atividade. Esses dispositivos contêm acelerômetros e giroscópios que capturam como o corpo do cão se move em três dimensões enquanto ele caminha ou trota. Diferentemente de equipamentos volumosos de laboratório, como placas de força ou sistemas de câmeras, esses sensores são baratos, portáteis e confortáveis o bastante para que os cães se movam naturalmente. Isso os torna ferramentas promissoras para uso cotidiano em clínicas veterinárias ou mesmo para monitoramento domiciliar.

Como o estudo foi conduzido

A equipe trabalhou com 29 cães: 17 animais saudáveis, seis com problemas ortopédicos como membros doloridos e seis com condições neurológicas que afetam a coordenação. Cada cão percorreu um trecho interno curto algumas vezes, às vezes em caminhada relaxada e às vezes em trote mais rápido, enquanto usava até três sensores na cabeça, no pescoço (via coleira) e na região da cauda. Esse arranjo capturou cerca de três horas de dados detalhados de movimento. Os cientistas então dividiram as gravações em pequenos trechos para que os padrões em cada segmento breve pudessem ser examinados.

Ensinando um computador a ler a marcha de um cão

Em vez de projetar manualmente medidas — como comprimento do passo ou a altura do dorso — os pesquisadores usaram um método de deep learning que permite ao computador descobrir padrões diretamente a partir dos sinais brutos dos sensores. Seu modelo, conhecido como rede neural convolucional, recebe seis fluxos de dados (três direções de aceleração e três de rotação) e os passa por várias camadas que extraem automaticamente características informativas. No fim, o sistema atribui cada trecho de movimento a uma das três categorias: saudável, ortopédico ou neurológico. A mesma rede também pode ser usada em tarefas mais simples, como decidir apenas se um cão é saudável ou não.

Encontrando a melhor configuração de sensores

Um objetivo-chave foi a praticidade: quantos poucos sensores e qual tipo de marcha são necessários para obter respostas confiáveis. Ao comparar muitas combinações, o estudo descobriu que um único sensor no pescoço frequentemente teve desempenho equivalente ao uso de vários sensores, especialmente durante o trote. Quando o computador foi testado em trechos extraídos do mesmo grupo de cães que já havia visto, rotulou corretamente padrões de marcha saudáveis, ortopédicos e neurológicos em cerca de 96% das vezes. Quando desafiado com cães completamente novos, a precisão caiu — como esperado — mas permaneceu promissora: cerca de 85% para separar saudáveis de não saudáveis e 80% para distinguir os três grupos quando se usavam configurações escolhidas com cuidado.

O que isso significa para cães e seus veterinários

Do ponto de vista leigo, este trabalho mostra que simplesmente registrar como um cão se move com um pequeno sensor de coleira pode fornecer a um computador informação suficiente para indicar se o cão provavelmente está saudável, tem um problema em articulações ou ossos, ou tem um distúrbio relacionado a nervos. O sistema não pretende substituir o veterinário, mas pode servir como uma ajuda objetiva que sinaliza problemas sutis mais cedo, apoia segundas opiniões e reduz a necessidade de exames caros ou invasivos. Com conjuntos de dados maiores e mais variados, a mesma abordagem poderia evoluir para uma ferramenta de triagem rotineira — ajudando veterinários e donos a detectar problemas de marcha mais cedo e a ajustar tratamentos ao quadro específico de cada cão.

Citação: Palez, N., Straß, L., Meller, S. et al. Canine gait analysis using inertial sensors and deep learning for orthopedic and neurological disorders. Sci Rep 16, 13966 (2026). https://doi.org/10.1038/s41598-026-40717-x

Palavras-chave: marcha canina, sensores vestíveis, deep learning, claudicação em cães, diagnóstico veterinário