Detecção de sono e vigília a partir de dispositivos vestíveis na perna usando fusão profunda de sensores

Por que um monitoramento de sono melhor importa

Muitas famílias conhecem a luta das batalhas na hora de dormir, noites inquietas e manhãs sonolentas — especialmente quando uma criança tem transtorno de déficit de atenção e hiperatividade (TDAH). O sono ruim pode agravar a desatenção, a hiperatividade e o humor, e ainda assim as ferramentas que os médicos usam para medir o sono costumam ser ou complexas demais para o uso cotidiano ou simples demais para captar os detalhes. Este estudo explora uma nova forma de monitorar o sono das crianças em casa usando uma faixa macia na perna e técnicas avançadas de computador para interpretar seus sinais.

Dos fios do laboratório a faixas simples na perna

O padrão-ouro atual para medir o sono, chamado estudo do sono, exige uma noite em laboratório conectado a muitos fios que registram ondas cerebrais, respiração e movimento. Embora poderoso, esse aparato é caro, inconveniente e pode não refletir como a criança realmente dorme em casa. Por outro lado, os dispositivos populares de pulso detectam principalmente movimento e podem perder mudanças sutis na respiração, no ritmo cardíaco ou nos movimentos das pernas que fragmentam o sono. Essa lacuna é particularmente importante em crianças com TDAH, que frequentemente têm pernas inquietas, breves despertares recorrentes e atraso no horário de dormir que os rastreadores padrão não capturam bem.

Um olhar mais atento para as pernas

A equipe de pesquisa se baseou em trabalhos anteriores com um dispositivo chamado RestEaze, uma faixa confortável para a perna que registra silenciosamente vários tipos de sinais durante a noite. Pequenos sensores internos medem como a perna se move em três dimensões, como ela torce e gira, a temperatura da pele e alterações no fluxo sanguíneo que refletem a atividade cardíaca. Neste estudo, 14 crianças avaliadas para TDAH usaram o RestEaze em ambas as pernas durante estudos do sono noturnos que também registraram ondas cerebrais. Avaliadores especialistas rotularam cada minuto como sono ou vigília usando as gravações cerebrais, fornecendo aos pesquisadores uma referência confiável para comparar com os dados da faixa na perna.

Ensinando computadores a ler a noite

Em vez de elaborar manualmente sumários simples dos sinais, a equipe treinou modelos de aprendizado profundo — algoritmos especiais que podem descobrir padrões úteis diretamente dos dados brutos. Testaram duas maneiras de combinar informações dos quatro sensores. Na abordagem de “fusão precoce”, todos os sinais eram misturados primeiro e depois alimentados em um único modelo. Na abordagem de “fusão tardia”, cada tipo de sensor era processado em sua própria via antes de os resultados serem mesclados para uma decisão final. O modelo de fusão tardia, que efetivamente permite que movimento, pulso e temperatura “falem” separadamente antes de votar, provou ser o mais preciso e consistente entre as crianças.

Interpretando noites inquietas

O modelo de melhor desempenho conseguiu distinguir sono de vigília com alta confiabilidade, mesmo que os períodos de sono fossem cerca de cinco vezes mais comuns que os períodos de vigília nos dados. A partir de suas decisões minuto a minuto, os pesquisadores calcularam medidas clínicas familiares, como quanto tempo a criança dormiu no total, quanto tempo levou para adormecer, quanto tempo passou acordada depois de cair no sono pela primeira vez e quão eficiente foi seu sono no geral. Inicialmente, o modelo tendia a fragmentar a noite em despertamentos muito pequenos. Para corrigir isso, a equipe adicionou uma etapa simples de suavização que examinava os minutos vizinhos no tempo e corrigia picos isolados de vigília ou sono implausíveis. Esse ajuste aproximou muito as estimativas do modelo dos resultados do laboratório sem ocultar períodos significativos de inquietação.

O que as descobertas significam para as famílias

Em termos práticos, o estudo mostra que uma pequena faixa de perna combinada com métodos modernos de reconhecimento de padrões pode rastrear quando uma criança está dormindo ou acordada quase tão bem quanto um estudo completo do sono, pelo menos neste grupo de crianças com TDAH. Sensores de movimento na perna foram responsáveis pela maior parte das informações, enquanto pulso e temperatura adicionaram contexto útil. Embora a pesquisa tenha envolvido um número modesto de participantes e se concentrado em um grupo clínico específico, ela aponta para um futuro em que as crianças possam ser monitoradas confortavelmente em casa por muitas noites. Essa visão de longo prazo poderia ajudar clínicos e pais a detectar problemas de sono mais cedo, entender como os tratamentos estão funcionando e ajustar os cuidados aos padrões de sono únicos de cada criança.

Citação: Anwar, Y., Bansal, K., Kucukosmanoglu, M. et al. Sleep awake detection from leg-worn wearables using deep sensor fusion. Sci Rep 16, 9930 (2026). https://doi.org/10.1038/s41598-026-42310-8

Palavras-chave: monitoramento do sono, TDAH, sensores vestíveis, aprendizado profundo, movimento da perna