Inteligência artificial multimodal e aprendizagem online na saúde mental de jovens: uma revisão de escopo

Por que isso importa para jovens e famílias

Problemas de saúde mental entre jovens estão aumentando no mundo todo, mas muitas crianças e adolescentes nunca recebem ajuda em tempo útil. Ao mesmo tempo, os jovens geram constantemente traços digitais — de smartphones, dispositivos vestíveis, plataformas escolares e redes sociais — que podem revelar como eles realmente estão. Esta revisão explora como novos tipos de inteligência artificial (IA) que aprendem a partir de múltiplos tipos de dados e se atualizam ao longo do tempo podem, um dia, ajudar a identificar estresse, depressão e outros problemas mais precocemente, além de apoiar cuidados mais personalizados para os jovens.

Novas ferramentas para uma crise crescente na saúde mental juvenil

Dados globais mostram que problemas de saúde mental afetam uma parcela grande de crianças e adolescentes, e que essas questões se agravaram durante e após a pandemia de COVID-19. As visitas de emergência por transtornos mentais e as consultas remotas com médicos aumentaram, especialmente entre adolescentes do sexo feminino. Ainda assim, os serviços continuam de difícil acesso, e muitos jovens ficam desassistidos, particularmente quando deixam os serviços infantis e não são totalmente integrados ao cuidado de adultos. Como a maioria dos transtornos ao longo da vida começa antes dos 25 anos, os autores argumentam que melhores formas de detectar e monitorar problemas durante essa janela poderiam trazer benefícios de longo prazo para indivíduos, famílias e sistemas de saúde.

Como máquinas mais inteligentes poderiam ajudar

Sistemas de IA podem aprender padrões a partir de dados e usá-los para detectar ou prever desfechos, como sinais de estresse ou humor baixo. Modelos tradicionais geralmente dependem de uma única fonte de dados — como texto, uma imagem cerebral ou um questionário — e são treinados uma vez em um conjunto de dados fixo. A revisão foca em dois avanços especialmente promissores para jovens. O primeiro é a IA multimodal, que combina vários tipos de informação, por exemplo sinais cardíacos de vestíveis, sono e movimento a partir de celulares, voz ou expressões faciais, e publicações escritas ou respostas de pesquisas. O segundo é a aprendizagem online, em que os modelos não permanecem congelados, mas continuam a se atualizar à medida que novos dados chegam, permitindo que se adaptem quando a vida, o comportamento ou o ambiente de um jovem mudam.

O que a pesquisa atual está realmente fazendo

Os autores buscaram sistematicamente nas principais bases médicas e de engenharia estudos desde 2015 que usaram IA em dados de jovens (até 25 anos) para detectar, monitorar ou tratar problemas relacionados à saúde mental. De mais de 500 artigos, apenas 24 atenderam aos critérios deles, e apenas alguns combinaram múltiplos tipos de dados e aprendizagem online. A maior parte dos trabalhos teve como alvo sinais de alerta precoce, como estresse, estado emocional ou esforço cognitivo, em vez de diagnósticos formais. Por exemplo, vários projetos usaram sensores vestíveis para medir atividade cardíaca ou condutância da pele enquanto estudantes realizavam tarefas estressantes, e então treinaram redes neurais para reconhecer estresse e refinar suas previsões à medida que mais dados eram coletados. Outros analisaram padrões de uso de smartphone e sono ao longo de um semestre para agrupar estudantes com perfis de estresse semelhantes e adaptar modelos a novos usuários com pouquíssimos dados.

Resultados promissores, mas lacunas importantes

Entre os estudos que usaram alguma forma de atualização contínua, os modelos geralmente se tornaram mais precisos e melhor ajustados aos indivíduos do que sistemas treinados apenas uma vez. A aprendizagem online ajudou a acompanhar estados emocionais mutáveis a partir da atividade cerebral e a ajustar a detecção de estresse para cada usuário. Mesmo assim, os autores observam que muitos artigos rotulados como “online” na verdade usaram formas mais frouxas de retreinamento incremental, e não uma adaptação em tempo real a fluxos de dados. A maioria dos estudos dependeu de amostras pequenas e restritas — frequentemente estudantes universitários ou de pós-graduação — e raramente testou modelos em conjuntos de dados independentes. Questões éticas e práticas são grandes: coletar dados fisiológicos e comportamentais detalhados de menores levanta questões sensíveis sobre consentimento, privacidade, armazenamento a longo prazo e quem controla as atualizações contínuas de modelos que podem influenciar decisões de cuidado.

Para onde esse campo precisa ir a seguir

A revisão conclui que a IA para saúde mental de jovens é um campo em rápida emergência, mas ainda em estágio inicial. Para avançar de protótipos de laboratório para ferramentas que possam apoiar cuidados reais de forma segura, pesquisadores precisarão de conjuntos de dados maiores e mais diversos, relatórios mais claros sobre idade e histórico, e formas padronizadas de coletar e compartilhar dados multimodais de jovens. Modelos devem ser testados ao longo do tempo e em diferentes contextos para garantir que permaneçam confiáveis à medida que as condições mudam. Trabalhos futuros deveriam ir além da detecção de estresse e humor para incluir uma gama mais ampla de transtornos clinicamente reconhecidos e, crucialmente, estudar como a IA pode auxiliar intervenções reais, em vez de apenas sinalizar problemas. À medida que sistemas conversacionais e grandes modelos de linguagem se tornam mais comuns, avaliações cuidadosas de seus benefícios e riscos para usuários jovens serão essenciais. Por ora, a IA multimodal e continuamente aprendente oferece uma direção promissora — mas que exige salvaguardas robustas, transparência e colaboração estreita entre tecnólogos, clínicos, jovens e suas famílias.

Citação: Ramirez Campos, M.S., Barati, K., Samavi, R. et al. Multimodal artificial intelligence and online learning in youth mental health: a scoping review. npj Mental Health Res 5, 26 (2026). https://doi.org/10.1038/s44184-026-00207-4

Palavras-chave: saúde mental de jovens, IA multimodal, aprendizagem online, detecção de estresse, sensores vestíveis