{"id":54277,"date":"2026-11-16T19:50:02","date_gmt":"2026-11-16T17:50:02","guid":{"rendered":"https:\/\/neuronup.com\/br\/?p=54277"},"modified":"2026-11-16T19:50:07","modified_gmt":"2026-11-16T17:50:07","slug":"wearables-e-inteligencia-artificial-na-neurorreabilitacao-o-potencial-clinico-do-sensorfm","status":"publish","type":"post","link":"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/wearables-e-inteligencia-artificial-na-neurorreabilitacao-o-potencial-clinico-do-sensorfm\/","title":{"rendered":"Wearables e intelig\u00eancia artificial na neurorreabilita\u00e7\u00e3o: o potencial cl\u00ednico do SensorFM"},"content":{"rendered":"\n<p class=\"has-xl-font-size wp-block-paragraph\">Um rel\u00f3gio inteligente pode antecipar riscos \u00e0 sa\u00fade? A doutoranda Marta Arbizu G\u00f3mez apresenta <strong>como o modelo de intelig\u00eancia artificial SensorFM utiliza dados de wearables para analisar padr\u00f5es fisiol\u00f3gicos e seu impacto na avalia\u00e7\u00e3o cl\u00ednica e neuropsicol\u00f3gica<\/strong>.<\/p>\n\n\n\n<section class=\"wp-block-group anims-fadein-up\"><div class=\"wp-block-group__inner-container is-layout-constrained wp-block-group-is-layout-constrained\">\n<p class=\"has-text-align-left br-0101 has-heading-color has-alt-background-color has-text-color has-background has-link-color wp-elements-1 has-xl-margin-top has-xxl-margin-bottom wp-block-paragraph\">A integra\u00e7\u00e3o da intelig\u00eancia artificial e dos <strong>dispositivos wearables est\u00e1 transformando a coleta cont\u00ednua de dados de sa\u00fade<\/strong>. Este artigo analisa o <strong>potencial cl\u00ednico do SensorFM<\/strong>, um novo modelo fundacional que transforma o registro de biomarcadores digitais em informa\u00e7\u00f5es relevantes para a neurorreabilita\u00e7\u00e3o e a avalia\u00e7\u00e3o cognitiva. Descubra <strong>como o monitoramento fisiol\u00f3gico passivo de vari\u00e1veis<\/strong> como sono, atividade ou estado emocional <strong>pode complementar a interven\u00e7\u00e3o tradicional<\/strong> e abrir novos caminhos para o acompanhamento cl\u00ednico personalizado.<\/p>\n<\/div><\/section>\n\n\n\n<div style=\"height:20px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Que informa\u00e7\u00f5es podem ser obtidas de um dispositivo wearable?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Rel\u00f3gios e pulseiras inteligentes registram continuamente informa\u00e7\u00f5es sobre nossa atividade f\u00edsica e nosso funcionamento fisiol\u00f3gico. Ao longo do dia, podem medir o movimento, a frequ\u00eancia card\u00edaca, a <a href=\"https:\/\/neuronup.com\/br\/noticias-de-estimulacao-cognitiva\/metodos-e-tecnicas-de-intervencao-terapeutica-e-psicologica\/variabilidade-da-frequencia-cardiaca-e-sua-relacao-com-o-deterioro-cognitivo\/\">variabilidade da frequ\u00eancia card\u00edaca<\/a>, a satura\u00e7\u00e3o de oxig\u00eanio, a temperatura da pele, a atividade eletrod\u00e9rmica ou as diferentes fases do sono.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">No entanto, <strong>transformar esses sinais em informa\u00e7\u00f5es clinicamente \u00fateis ainda \u00e9 um desafio<\/strong>. As medidas obtidas podem variar entre pessoas, dispositivos e momentos do dia, e os dados costumam apresentar interrup\u00e7\u00f5es quando o usu\u00e1rio tira o rel\u00f3gio, a bateria acaba ou algum sensor deixa de registrar corretamente.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Al\u00e9m disso, <strong>desenvolver um algoritmo diferente para cada problema de sa\u00fade exige grandes quantidades de dados devidamente rotulados<\/strong>, algo especialmente dif\u00edcil e caro na \u00e1rea da sa\u00fade.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para superar essas limita\u00e7\u00f5es, uma equipe do Google Research e de outras institui\u00e7\u00f5es desenvolveu o <strong>SensorFM<\/strong>, um <strong>modelo fundacional de<\/strong> <a href=\"https:\/\/neuronup.com\/br\/neurociencia\/ia-e-neurociencia-como-a-inteligencia-artificial-esta-transformando-a-estimulacao-cognitiva-e-a-neurorrehabilitacao\/\"><strong>intelig\u00eancia artificial<\/strong><\/a> <strong>treinado para aprender representa\u00e7\u00f5es gerais da sa\u00fade a partir de dados de dispositivos wearables<\/strong>. O estudo, publicado como preprint, analisa se um \u00fanico modelo pode aproveitar esses sinais para fazer previs\u00f5es relacionadas a diferentes \u00e1reas da sa\u00fade.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">O que \u00e9 um modelo fundacional para dados de sa\u00fade?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Os modelos fundacionais s\u00e3o treinados com grandes volumes de informa\u00e7\u00f5es, normalmente sem que cada dado precise estar associado a um r\u00f3tulo espec\u00edfico. Durante esse processo, o <strong>modelo aprende padr\u00f5es gerais que podem ser adaptados posteriormente a v\u00e1rias tarefas<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O SensorFM segue essa abordagem, mas, em vez de aprender com textos ou imagens, <strong>utiliza s\u00e9ries temporais registradas por sensores<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O modelo foi pr\u00e9-treinado com:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Mais de <strong>um bilh\u00e3o de minutos de dados<\/strong>.<\/li>\n\n\n\n<li>Informa\u00e7\u00f5es de <strong>cinco milh\u00f5es de pessoas<\/strong>.<\/li>\n\n\n\n<li>Participantes de mais de <strong>100 pa\u00edses<\/strong>.<\/li>\n\n\n\n<li>Mais de <strong>20 modelos de dispositivos Fitbit e Pixel Watch<\/strong>.<\/li>\n\n\n\n<li><strong>Cinco tipos principais de sensores<\/strong>: fotopletismografia, aceler\u00f4metro, temperatura da pele, atividade eletrod\u00e9rmica e alt\u00edmetro.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Com base nesses sensores, os pesquisadores <strong>obtiveram 34 vari\u00e1veis<\/strong> registradas a cada minuto, entre elas frequ\u00eancia card\u00edaca, diferentes medidas de variabilidade card\u00edaca, satura\u00e7\u00e3o de oxig\u00eanio, passos, temperatura da pele e as <a href=\"https:\/\/neuronup.com\/br\/neurociencia\/neurociencia-do-sono-como-o-descanso-influencia-a-recuperacao-cerebral-e-o-desempenho-cognitivo\/\">fases do sono<\/a>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O modelo analisava janelas completas de 24 horas e aprendia a reconstruir partes das informa\u00e7\u00f5es que haviam sido ocultadas artificialmente. Dessa forma, <strong>n\u00e3o aprendia apenas os valores individuais de cada sinal, mas tamb\u00e9m suas rela\u00e7\u00f5es e sua evolu\u00e7\u00e3o ao longo do dia<\/strong>.<\/p>\n\n\n\n<div style=\"height:50px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div class=\"wp-block-group br-0111 has-primary-background-color has-background has-dark-background has-sm-padding-top has-sm-padding-left has-sm-padding-right has-xxl-margin-top\"><div class=\"wp-block-group__inner-container is-layout-constrained wp-block-group-is-layout-constrained\">\n<div class=\"wp-block-columns is-layout-flex wp-container-core-columns-is-layout-8f761849 wp-block-columns-is-layout-flex\">\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\">\n<figure class=\"wp-block-image size-full desktop-position-absolute desktop-bottom-0 mobile-width-50 mobile-m-inline-auto has-xl-margin-top\"><img decoding=\"async\" width=\"292\" height=\"338\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2024\/10\/certificado-de-produto.webp\" alt=\"\" class=\"wp-image-31568\" srcset=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2024\/10\/certificado-de-produto-259x300.webp 259w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2024\/10\/certificado-de-produto.webp 292w\" sizes=\"(max-width: 292px) 100vw, 292px\" \/><\/figure>\n<\/div>\n\n\n\n<div class=\"wp-block-column is-layout-flow wp-block-column-is-layout-flow\">\n<h2 class=\"wp-block-heading has-white-color has-text-color\"><strong>Inscreva-se<\/strong> <br>na nossa <br>Newsletter<\/h2>\n\n\n\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex\">\n<div class=\"wp-block-button--1\" style=\"--button-outline-color:var(--color-white);--button-outline-color-hover:rgba(0,0,0,0.8);\"><a class=\"wp-block-button__link button button-outline   wp-element-button\" href=\"https:\/\/neuronup.com\/br\/newsletter\/\">Inscreva-se<\/a><\/div>\n\n<\/div>\n\n\n\n<div style=\"height:40px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n<\/div>\n<\/div>\n<\/div><\/div>\n\n\n\n\n<div style=\"height:50px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">O que os pesquisadores queriam descobrir?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">O estudo se concentrou em <strong>tr\u00eas perguntas principais<\/strong>:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Em primeiro lugar, os autores queriam verificar se o aumento simult\u00e2neo da quantidade de dados e do tamanho do modelo produzia melhorias previs\u00edveis em seu desempenho.<\/li>\n\n\n\n<li>Em segundo lugar, avaliaram se as representa\u00e7\u00f5es aprendidas podiam ser reutilizadas para prever diferentes aspectos da sa\u00fade, mesmo quando havia poucas amostras rotuladas.<\/li>\n\n\n\n<li>Por fim, analisaram se as previs\u00f5es do SensorFM podiam ser integradas a um assistente pessoal de sa\u00fade baseado em <a href=\"https:\/\/neuronup.com\/br\/novidades-neuronup\/inteligencia-artificial-na-reabilitacao-cognitiva-o-futuro-da-neuropsicologia\/\">intelig\u00eancia artificial<\/a> para gerar respostas mais relevantes, personalizadas e seguras.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">Para avaliar o modelo, <strong>utilizaram informa\u00e7\u00f5es independentes de 13.985 participantes<\/strong>, <strong>provenientes de tr\u00eas estudos prospectivos<\/strong> centrados na sa\u00fade metab\u00f3lica e cardiovascular, na sa\u00fade mental e no sono.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Um mesmo modelo para 35 tarefas relacionadas \u00e0 sa\u00fade<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">O SensorFM foi <strong>avaliado<\/strong> em 35 tarefas diferentes, agrupadas <strong>em seis grandes \u00e1reas<\/strong>:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Sa\u00fade cardiovascular.<\/li>\n\n\n\n<li>Sa\u00fade metab\u00f3lica.<\/li>\n\n\n\n<li>Sa\u00fade mental.<\/li>\n\n\n\n<li>Sono.<\/li>\n\n\n\n<li>Estilo de vida.<\/li>\n\n\n\n<li>Caracter\u00edsticas demogr\u00e1ficas e fisiol\u00f3gicas.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Entre as vari\u00e1veis analisadas estavam o risco cardiovascular, a hipertens\u00e3o, o diabetes, a resist\u00eancia \u00e0 insulina, os n\u00edveis de hemoglobina glicada e triglicer\u00eddeos, a <a href=\"https:\/\/neuronup.com\/br\/noticias-de-estimulacao-cognitiva\/doenca-mental\/estrategias-praticas-de-estimulacao-cognitiva-para-idosos-com-depressao\/\">depress\u00e3o<\/a>, a ansiedade, o estresse percebido e os dist\u00farbios do sono.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O modelo <strong>tamb\u00e9m foi utilizado para estimar caracter\u00edsticas como idade, \u00edndice de massa corporal, altura e peso<\/strong>. Essas vari\u00e1veis n\u00e3o devem ser interpretadas necessariamente como objetivos cl\u00ednicos em si, mas como uma forma de verificar quanta informa\u00e7\u00e3o fisiol\u00f3gica e comportamental o sistema havia aprendido.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Quais foram os principais resultados?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Os resultados mostram que o <strong>modelo aprendeu uma representa\u00e7\u00e3o generaliz\u00e1vel da fisiologia e do comportamento<\/strong> registrados por wearables.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O SensorFM <strong>superou os modelos supervisionados tradicionais<\/strong> baseados em vari\u00e1veis elaboradas manualmente <strong>em 34 das 35 tarefas avaliadas<\/strong>. Ou seja, as representa\u00e7\u00f5es aprendidas diretamente a partir de grandes quantidades de dados foram mais informativas do que os resumos convencionais calculados com base nos mesmos sinais.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Al\u00e9m disso, o <strong>desempenho melhorou \u00e0 medida que aumentaram simultaneamente o n\u00famero de participantes<\/strong> utilizados durante o treinamento e a capacidade do modelo. A vers\u00e3o maior obteve os melhores resultados em 33 das 35 tarefas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Os autores tamb\u00e9m observaram que os <strong>modelos maiores dependiam menos das informa\u00e7\u00f5es demogr\u00e1ficas adicionadas posteriormente<\/strong>. Isso sugere que parte das diferen\u00e7as fisiol\u00f3gicas associadas a vari\u00e1veis como idade ou \u00edndice de massa corporal j\u00e1 podia estar representada nos padr\u00f5es registrados pelos sensores.<\/p>\n\n\n\n<div style=\"height:50px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Aprender com menos dados cl\u00ednicos rotulados<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Um dos resultados mais relevantes foi a <strong>capacidade do modelo de se adaptar a novas tarefas<\/strong> utilizando relativamente poucos dados rotulados.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Na pesquisa em sa\u00fade, obter informa\u00e7\u00f5es cont\u00ednuas por meio de um rel\u00f3gio inteligente \u00e9 relativamente simples, mas conseguir diagn\u00f3sticos confirmados, exames de sangue ou question\u00e1rios cl\u00ednicos completos \u00e9 muito mais caro.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Como havia aprendido previamente padr\u00f5es gerais com base em milh\u00f5es de participantes, o SensorFM <strong>precisava de menos exemplos rotulados para desenvolver novos modelos preditivos<\/strong>. Essa efici\u00eancia poderia facilitar a pesquisa de problemas de sa\u00fade para os quais existem coortes cl\u00ednicas pequenas ou informa\u00e7\u00f5es limitadas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">No entanto, a precis\u00e3o continuava aumentando quando havia mais dados rotulados, portanto o modelo <strong>n\u00e3o elimina a necessidade de contar com amostras cl\u00ednicas representativas e devidamente caracterizadas<\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">\u00c9 poss\u00edvel reconstruir os dados ausentes?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Os dados dos dispositivos wearables costumam estar incompletos. O usu\u00e1rio pode tirar o rel\u00f3gio durante parte do dia, algum sensor pode se desconectar ou os sinais podem apresentar erros.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>O SensorFM foi treinado especificamente para lidar com essa falta de informa\u00e7\u00f5es<\/strong>. Nos testes realizados, superou os m\u00e9todos de refer\u00eancia em diferentes tarefas de reconstru\u00e7\u00e3o:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>74,8% na imputa\u00e7\u00e3o de dados removidos aleatoriamente.<\/li>\n\n\n\n<li>38,8% na reconstru\u00e7\u00e3o de intervalos temporais intermedi\u00e1rios.<\/li>\n\n\n\n<li>39,6% na previs\u00e3o de intervalos localizados no fim do registro.<\/li>\n\n\n\n<li>83,7% quando faltavam sinais completos de determinados sensores.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Os pesquisadores tamb\u00e9m simularam a perda de uma hora completa de dados. Ap\u00f3s reconstruir esse intervalo, o modelo manteve uma precis\u00e3o de 99,7% na estimativa do n\u00famero di\u00e1rio de passos, de 99,9% no tempo de sono profundo e de 99,2% nos minutos de exerc\u00edcio leve.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Essa capacidade poderia <strong>evitar que uma interrup\u00e7\u00e3o pontual distorcesse os resumos di\u00e1rios<\/strong> apresentados ao usu\u00e1rio.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Agentes de intelig\u00eancia artificial para adaptar o modelo<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Embora as representa\u00e7\u00f5es aprendidas pelo SensorFM pudessem ser utilizadas com modelos estat\u00edsticos relativamente simples, os pesquisadores tamb\u00e9m exploraram uma <strong>estrat\u00e9gia automatizada para melhorar sua adapta\u00e7\u00e3o a cada tarefa<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Para isso, criaram uma esp\u00e9cie de <strong>\u201csala de aula\u201d formada por v\u00e1rios agentes baseados em modelos de linguagem<\/strong>. Esses agentes geravam c\u00f3digo, treinavam diferentes solu\u00e7\u00f5es, comparavam os resultados e modificavam progressivamente suas propostas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">No total, o sistema realizou mais de <strong>30.000 experimentos autom\u00e1ticos<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">As solu\u00e7\u00f5es encontradas pelos <strong>agentes melhoraram o desempenho em rela\u00e7\u00e3o aos modelos lineares em 16 das 20 tarefas<\/strong> de classifica\u00e7\u00e3o e em 12 das 15 tarefas de regress\u00e3o.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Esse resultado <strong>aponta para uma poss\u00edvel automa\u00e7\u00e3o parcial do processo<\/strong> de desenvolvimento de modelos preditivos. No entanto, as solu\u00e7\u00f5es geradas ainda precisam ser revisadas e validadas rigorosamente, especialmente quando aplicadas a informa\u00e7\u00f5es de sa\u00fade.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Dos dados do rel\u00f3gio a um assistente pessoal de sa\u00fade<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Os pesquisadores integraram posteriormente as previs\u00f5es do SensorFM a um assistente pessoal de sa\u00fade baseado em um modelo de linguagem.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O objetivo era <strong>verificar se o assistente podia responder melhor a perguntas sobre sa\u00fade<\/strong> quando, al\u00e9m de conhecer os dados demogr\u00e1ficos e os resumos di\u00e1rios do wearable, tinha acesso \u00e0s estimativas geradas pelo SensorFM.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Foram utilizados 31 perfis reais<\/strong> e geradas respostas <strong>em tr\u00eas condi\u00e7\u00f5es<\/strong>:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Dados demogr\u00e1ficos e m\u00e9tricas di\u00e1rias do wearable.<\/li>\n\n\n\n<li>Dados demogr\u00e1ficos, m\u00e9tricas di\u00e1rias e previs\u00f5es do SensorFM.<\/li>\n\n\n\n<li>Dados demogr\u00e1ficos, m\u00e9tricas di\u00e1rias e valores cl\u00ednicos reais.<\/li>\n<\/ol>\n\n\n\n<p class=\"wp-block-paragraph\">A imagem 1 resume o funcionamento do sistema e o delineamento da avalia\u00e7\u00e3o. O SensorFM transforma os dados registrados pelo wearable em previs\u00f5es de sa\u00fade, que s\u00e3o incorporadas como contexto adicional ao assistente antes da gera\u00e7\u00e3o de uma resposta personalizada.&nbsp;<\/p>\n\n\n\n<div style=\"height:50px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n<div class=\"wp-block-image image-interface\">\n<figure class=\"aligncenter size-large\"><img decoding=\"async\" width=\"1200\" height=\"1585\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Integracion-del-SensorFM-en-un-asistente-personal-de-salud-y-diseno-de-la-evaluacion-clinica.webp\" alt=\"\" class=\"wp-image-54276\" srcset=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Integracion-del-SensorFM-en-un-asistente-personal-de-salud-y-diseno-de-la-evaluacion-clinica-227x300.webp 227w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Integracion-del-SensorFM-en-un-asistente-personal-de-salud-y-diseno-de-la-evaluacion-clinica-768x1014.webp 768w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Integracion-del-SensorFM-en-un-asistente-personal-de-salud-y-diseno-de-la-evaluacion-clinica-775x1024.webp 775w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Integracion-del-SensorFM-en-un-asistente-personal-de-salud-y-diseno-de-la-evaluacion-clinica-1163x1536.webp 1163w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Integracion-del-SensorFM-en-un-asistente-personal-de-salud-y-diseno-de-la-evaluacion-clinica.webp 1200w\" sizes=\"(max-width: 1200px) 100vw, 1200px\" \/><figcaption class=\"wp-element-caption\"><strong>Imagem 1.<\/strong> Integra\u00e7\u00e3o do SensorFM a um assistente pessoal de sa\u00fade e delineamento da avalia\u00e7\u00e3o cl\u00ednica. O sistema utiliza os dados do wearable para gerar previs\u00f5es, que s\u00e3o incorporadas como contexto adicional ao modelo de linguagem. As respostas foram avaliadas por profissionais de sa\u00fade quanto ao contexto, \u00e0 relev\u00e2ncia, \u00e0 personaliza\u00e7\u00e3o, \u00e0 justificativa e ao risco potencial. Imagem adaptada de Narayanswamy et al. (2026).&nbsp;<\/figcaption><\/figure>\n<\/div>\n\n\n<div style=\"height:50px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<p class=\"wp-block-paragraph\">Quatro profissionais de sa\u00fade avaliaram as respostas considerando seu contexto, relev\u00e2ncia, personaliza\u00e7\u00e3o, justificativa e risco potencial. No total, foram obtidas <strong>1.860 avalia\u00e7\u00f5es cl\u00ednicas<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">As respostas que incorporavam as previs\u00f5es do SensorFM foram <strong>significativamente melhores do que aquelas baseadas apenas nos resumos di\u00e1rios<\/strong>. Al\u00e9m disso, n\u00e3o foram encontradas diferen\u00e7as estatisticamente significativas entre as respostas geradas com as previs\u00f5es do modelo e aquelas que utilizavam os valores cl\u00ednicos reais.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Esse resultado <strong>n\u00e3o significa que o SensorFM possa substituir uma<\/strong> <a href=\"https:\/\/neuronup.com\/br\/neuronup-assessment\/\"><strong>avalia\u00e7\u00e3o m\u00e9dica<\/strong><\/a>. Indica que <strong>suas previs\u00f5es forneceram ao assistente um contexto adicional \u00fatil<\/strong> para gerar respostas mais espec\u00edficas e coerentes.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Quais s\u00e3o as limita\u00e7\u00f5es do estudo?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Apesar da magnitude dos dados utilizados, os <strong>resultados devem ser interpretados com cautela<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Em primeiro lugar, o trabalho \u00e9 um <strong>preprint<\/strong> e, portanto, ainda n\u00e3o passou pelo processo convencional de revis\u00e3o por pares.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O modelo <strong>foi treinado principalmente com dispositivos Fitbit e Pixel Watch<\/strong>. N\u00e3o h\u00e1 garantia de que funcione da mesma forma com outros fabricantes, cujos sensores e m\u00e9todos de processamento podem ser diferentes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Al\u00e9m disso, <strong>foram utilizadas vari\u00e1veis agregadas a cada minuto, e n\u00e3o os sinais fisiol\u00f3gicos originais<\/strong>. Isso permite analisar per\u00edodos prolongados, mas pode eliminar informa\u00e7\u00f5es de alta frequ\u00eancia relevantes para algumas aplica\u00e7\u00f5es cl\u00ednicas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Parte dos resultados<\/strong> utilizados para avaliar o modelo <strong>provinha de diagn\u00f3sticos autorrelatados, uso de medicamentos ou question\u00e1rios de rastreamento<\/strong>, e nem sempre de diagn\u00f3sticos cl\u00ednicos confirmados. Tamb\u00e9m havia diferen\u00e7as entre a popula\u00e7\u00e3o estudada e a popula\u00e7\u00e3o geral, com maior representa\u00e7\u00e3o de mulheres e usu\u00e1rios de dispositivos wearables.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Por fim, a avalia\u00e7\u00e3o do assistente pessoal de sa\u00fade se limitou a respostas est\u00e1ticas e de um \u00fanico turno. Uma <strong>intera\u00e7\u00e3o cl\u00ednica real exigiria perguntas adicionais, an\u00e1lise do contexto e acompanhamento longitudinal<\/strong>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Quais s\u00e3o as implica\u00e7\u00f5es para a sa\u00fade digital?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Este estudo <strong>prop\u00f5e uma transi\u00e7\u00e3o de algoritmos criados para uma \u00fanica tarefa para modelos gerais capazes de reutilizar a mesma representa\u00e7\u00e3o<\/strong> em diferentes problemas de sa\u00fade.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Os wearables oferecem uma vis\u00e3o longitudinal do funcionamento cotidiano, em contraste com as medi\u00e7\u00f5es pontuais realizadas durante uma consulta. Combinados a modelos devidamente validados, podem ajudar a identificar mudan\u00e7as fisiol\u00f3gicas ou comportamentais, selecionar as pessoas que precisam de uma avalia\u00e7\u00e3o mais aprofundada e realizar um acompanhamento mais cont\u00ednuo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Na \u00e1rea da neurologia e da neuropsicologia, esse tipo de tecnologia <strong>pode ser especialmente interessante para estudar altera\u00e7\u00f5es no sono, na atividade, nas rotinas di\u00e1rias, na resposta auton\u00f4mica ou no estado emocional<\/strong>. Essas mudan\u00e7as podem acompanhar diferentes doen\u00e7as neurol\u00f3gicas e psiqui\u00e1tricas, embora as previs\u00f5es obtidas por meio de wearables n\u00e3o devam ser consideradas diagn\u00f3sticos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Como a NeuronUP pode contribuir?<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">As informa\u00e7\u00f5es passivas obtidas por meio de wearables <strong>podem ser complementadas com avalia\u00e7\u00f5es cognitivas e programas de interven\u00e7\u00e3o estruturados<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Plataformas como a <a href=\"https:\/\/neuronup.com\/br\/\"><strong>NeuronUP<\/strong><\/a> <strong><\/strong>permitem avaliar e trabalhar dom\u00ednios como aten\u00e7\u00e3o, mem\u00f3ria, <a href=\"https:\/\/neuronup.com\/br\/areas-de-intervencao\/funcoes-cognitivas\/funcoes-executivas\/\">fun\u00e7\u00f5es executivas<\/a>, linguagem ou cogni\u00e7\u00e3o social. A combina\u00e7\u00e3o futura de m\u00e9tricas cognitivas com dados longitudinais sobre sono, atividade e fisiologia pode <strong>proporcionar uma vis\u00e3o mais abrangente da evolu\u00e7\u00e3o de cada pessoa<\/strong>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Essa integra\u00e7\u00e3o pode <strong>facilitar a personaliza\u00e7\u00e3o das interven\u00e7\u00f5es, a detec\u00e7\u00e3o de mudan\u00e7as funcionais e o acompanhamento da resposta ao tratamento<\/strong>. Para isso, ser\u00e3o necess\u00e1rios estudos cl\u00ednicos espec\u00edficos, modelos interpret\u00e1veis e protocolos que garantam a privacidade, a equidade e a seguran\u00e7a dos usu\u00e1rios.<\/p>\n\n\n\n<div style=\"height:50px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Conclus\u00e3o<\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">O SensorFM demonstra que o treinamento em larga escala com dados n\u00e3o rotulados de dispositivos wearables pode gerar representa\u00e7\u00f5es \u00fateis para v\u00e1rias \u00e1reas da sa\u00fade.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">O modelo superou os m\u00e9todos tradicionais na maioria das tarefas analisadas, conseguiu reconstruir dados ausentes e forneceu informa\u00e7\u00f5es adicionais a um assistente pessoal de sa\u00fade. No entanto, suas previs\u00f5es devem ser entendidas como poss\u00edveis ferramentas de rastreamento, estratifica\u00e7\u00e3o de risco e acompanhamento, e n\u00e3o como substitutas do diagn\u00f3stico cl\u00ednico.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Os resultados representam <strong>um passo rumo a sistemas capazes de transformar grandes quantidades de dados cotidianos em informa\u00e7\u00f5es personalizadas<\/strong>. O desafio agora ser\u00e1 demonstrar que essas ferramentas mant\u00eam sua precis\u00e3o, seguran\u00e7a e utilidade quando aplicadas a diversas popula\u00e7\u00f5es cl\u00ednicas e a contextos reais de sa\u00fade.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Refer\u00eancias bibliogr\u00e1ficas<\/h2>\n\n\n\n<ul class=\"wp-block-list\">\n<li class=\"has-sm-font-size\">Narayanswamy G, Xu MA, Heydari AA, et al. Towards a General Intelligence and Interface for Wearable Health Data. arXiv. 2026. https:\/\/doi.org\/10.48550\/arXiv.2605.22759<\/li>\n<\/ul>\n\n\n\n<div style=\"height:70px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div class=\"wp-block-group p-4 br-0111 has-alt-background-color has-background has-light-background\"><div class=\"wp-block-group__inner-container is-layout-constrained wp-block-group-is-layout-constrained\">\n<h2 class=\"wp-block-heading\"><strong>Perguntas frequentes sobre IA e wearables na neurorreabilita\u00e7\u00e3o<\/strong><\/h2>\n\n\n\n<div style=\"height:20px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<div class=\"wp-block-pb-accordion-item c-accordion__item js-accordion-item no-js\" data-initially-open=\"false\" data-click-to-close=\"true\" data-auto-close=\"true\" data-scroll=\"false\" data-scroll-offset=\"0\" id=\"trabajarneuronup\"><h3 id=\"at-542770\" class=\"c-accordion__title js-accordion-controller\" role=\"button\">1. O que \u00e9 o modelo SensorFM e como ele \u00e9 aplicado \u00e0 sa\u00fade digital?<\/h3><div id=\"ac-542770\" class=\"c-accordion__content\">\n<p class=\"wp-block-paragraph\">O SensorFM \u00e9 um modelo fundacional de intelig\u00eancia artificial, desenvolvido pelo Google Research e outras institui\u00e7\u00f5es, treinado com mais de um bilh\u00e3o de minutos de dados provenientes de wearables. Aprende padr\u00f5es gerais a partir de biossinais para realizar previs\u00f5es aplic\u00e1veis a v\u00e1rias tarefas de sa\u00fade, desde a qualidade do sono at\u00e9 indicadores de sa\u00fade metab\u00f3lica e mental.<\/p>\n<\/div><\/div>\n\n\n\n<div class=\"wp-block-pb-accordion-item c-accordion__item js-accordion-item no-js\" data-initially-open=\"false\" data-click-to-close=\"true\" data-auto-close=\"true\" data-scroll=\"false\" data-scroll-offset=\"0\" id=\"trabajarneuronup\"><h3 id=\"at-542771\" class=\"c-accordion__title js-accordion-controller\" role=\"button\">2. Quais benef\u00edcios os biomarcadores digitais oferecem \u00e0 neurorreabilita\u00e7\u00e3o?<\/h3><div id=\"ac-542771\" class=\"c-accordion__content\">\n<p class=\"wp-block-paragraph\">Rel\u00f3gios e pulseiras inteligentes fornecem uma vis\u00e3o longitudinal e cont\u00ednua do funcionamento di\u00e1rio do usu\u00e1rio, registrando m\u00e9tricas como a variabilidade da frequ\u00eancia card\u00edaca, as fases do sono ou a atividade f\u00edsica. Esse monitoramento passivo complementa as avalia\u00e7\u00f5es pontuais em consulta, permitindo que neuropsic\u00f3logos identifiquem mudan\u00e7as sutis nas rotinas, na resposta auton\u00f4mica ou no estado emocional associadas a diversas patologias.<\/p>\n<\/div><\/div>\n\n\n\n<div class=\"wp-block-pb-accordion-item c-accordion__item js-accordion-item no-js\" data-initially-open=\"false\" data-click-to-close=\"true\" data-auto-close=\"true\" data-scroll=\"false\" data-scroll-offset=\"0\" id=\"videosneuronup\"><h3 id=\"at-542772\" class=\"c-accordion__title js-accordion-controller\" role=\"button\">3. Como a intelig\u00eancia artificial resolve a perda de dados dos rel\u00f3gios inteligentes?<\/h3><div id=\"ac-542772\" class=\"c-accordion__content\">\n<p class=\"wp-block-paragraph\">Os dados dos wearables costumam apresentar interrup\u00e7\u00f5es devido a falhas na bateria ou porque o usu\u00e1rio tira o dispositivo. Modelos como o SensorFM s\u00e3o treinados para reconstruir essas informa\u00e7\u00f5es ausentes; em simula\u00e7\u00f5es nas quais faltava uma hora inteira de registro, o sistema manteve uma precis\u00e3o superior a 99% na estimativa do sono profundo e dos passos di\u00e1rios.<\/p>\n<\/div><\/div>\n\n\n\n<div class=\"wp-block-pb-accordion-item c-accordion__item js-accordion-item no-js\" data-initially-open=\"false\" data-click-to-close=\"true\" data-auto-close=\"true\" data-scroll=\"false\" data-scroll-offset=\"0\" id=\"formaciongratuita\"><h3 id=\"at-542773\" class=\"c-accordion__title js-accordion-controller\" role=\"button\">4. As previs\u00f5es dos wearables podem substituir o diagn\u00f3stico cl\u00ednico?<\/h3><div id=\"ac-542773\" class=\"c-accordion__content\">\n<p class=\"wp-block-paragraph\">N\u00e3o. As vari\u00e1veis estimadas pelos modelos fundacionais a partir de wearables n\u00e3o constituem, por si s\u00f3, objetivos ou diagn\u00f3sticos cl\u00ednicos. Funcionam como ferramentas de rastreamento e acompanhamento que fornecem contexto adicional valioso para personalizar interven\u00e7\u00f5es, mas devem ser sempre integradas a avalia\u00e7\u00f5es cl\u00ednicas estruturadas e \u00e0 supervis\u00e3o de um profissional de sa\u00fade.<\/p>\n<\/div><\/div>\n<\/div><\/div>\n\n\n\n\n<div style=\"height:50px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<h3 class=\"wp-block-heading\">Se voc\u00ea gostou deste artigo sobre <strong>wearables e intelig\u00eancia artificial na neurorreabilita\u00e7\u00e3o: o potencial cl\u00ednico do SensorFM<\/strong>, estes artigos da NeuronUP tamb\u00e9m podem interessar:<\/h3>\n\n\n<div class=\"mai-grid entries entries-grid has-boxed has-image-full\" style=\"--entry-title-font-size:var(--font-size-lg);--align-text:start;--entry-meta-text-align:start;\"><div class=\"entries-wrap has-columns\" style=\"--columns-xs:1 \/ 1;--columns-sm:1 \/ 1;--columns-md:1 \/ 3;--columns-lg:1 \/ 3;--flex-xs:0 0 var(--flex-basis);--flex-sm:0 0 var(--flex-basis);--flex-md:0 0 var(--flex-basis);--flex-lg:0 0 var(--flex-basis);--column-gap:var(--spacing-lg);--row-gap:var(--spacing-lg);--align-columns:start;\"><article class=\"entry entry-grid is-column has-entry-link has-image has-image-first type-post category-linhas-de-investigacao tag-inteligencia-artificial\" style=\"--entry-index:1;\" aria-label=\"Wearables e intelig\u00eancia artificial na neurorreabilita\u00e7\u00e3o: o potencial cl\u00ednico do SensorFM\" itemscope itemtype=\"https:\/\/schema.org\/CreativeWork\"><a class=\"entry-image-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/wearables-e-inteligencia-artificial-na-neurorreabilitacao-o-potencial-clinico-do-sensorfm\/\" tabindex=\"-1\" aria-hidden=\"true\"><img decoding=\"async\" width=\"400\" height=\"300\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Wearables-e-inteligencia-artificial.-Como-el-modelo-SensorFM-utiliza-datos-de-wearables-para-analizar-patrones-fisiologicos.-Impacto-en-neurorrehabilitacion-400x300.webp\" class=\"entry-image size-landscape-sm\" alt=\"Wearables e intelig\u00eancia artificial: como o modelo SensorFM usa dados de wearables para analisar padr\u00f5es fisiol\u00f3gicos e seu impacto na neurorreabilita\u00e7\u00e3o.\" srcset=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Wearables-e-inteligencia-artificial.-Como-el-modelo-SensorFM-utiliza-datos-de-wearables-para-analizar-patrones-fisiologicos.-Impacto-en-neurorrehabilitacion-400x300.webp 400w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/Wearables-e-inteligencia-artificial.-Como-el-modelo-SensorFM-utiliza-datos-de-wearables-para-analizar-patrones-fisiologicos.-Impacto-en-neurorrehabilitacion-800x600.webp 800w\" sizes=\"(max-width:599px) 599px, (min-width:600px) and (max-width: 799px) 799px, (min-width:800px) and (max-width: 999px) 333px, (min-width:1000px) 400px\" \/><\/a><div class=\"entry-wrap entry-wrap-grid\"><h3 class=\"entry-title\" itemprop=\"headline\"><a class=\"entry-title-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/wearables-e-inteligencia-artificial-na-neurorreabilitacao-o-potencial-clinico-do-sensorfm\/\" rel=\"bookmark\">Wearables e intelig\u00eancia artificial na neurorreabilita\u00e7\u00e3o: o potencial cl\u00ednico do SensorFM<\/a><\/h3>\n<\/div><\/article><article class=\"entry entry-grid is-column has-entry-link has-image has-image-first type-post category-linhas-de-investigacao tag-cerebro\" style=\"--entry-index:2;\" aria-label=\"Forma\u00e7\u00e3o da f\u00f3vea e vis\u00e3o: mecanismos e implica\u00e7\u00f5es na degenera\u00e7\u00e3o macular relacionada \u00e0 idade (DMRI)\" itemscope itemtype=\"https:\/\/schema.org\/CreativeWork\"><a class=\"entry-image-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/formacao-da-fovea-e-da-visao-mecanismos-e-imlicacoes-na-degeneracao-macular-relacionada-a-idade-dmri\/\" tabindex=\"-1\" aria-hidden=\"true\"><img decoding=\"async\" width=\"400\" height=\"300\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/br-Modelo-propuesto-para-la-formacion-de-la-foveola-humana-400x300.webp\" class=\"entry-image size-landscape-sm\" alt=\"Modelo proposto para a forma\u00e7\u00e3o da f\u00f3veola humana.\" srcset=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/br-Modelo-propuesto-para-la-formacion-de-la-foveola-humana-400x300.webp 400w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/br-Modelo-propuesto-para-la-formacion-de-la-foveola-humana-800x600.webp 800w\" sizes=\"(max-width:599px) 599px, (min-width:600px) and (max-width: 799px) 799px, (min-width:800px) and (max-width: 999px) 333px, (min-width:1000px) 400px\" \/><\/a><div class=\"entry-wrap entry-wrap-grid\"><h3 class=\"entry-title\" itemprop=\"headline\"><a class=\"entry-title-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/formacao-da-fovea-e-da-visao-mecanismos-e-imlicacoes-na-degeneracao-macular-relacionada-a-idade-dmri\/\" rel=\"bookmark\">Forma\u00e7\u00e3o da f\u00f3vea e vis\u00e3o: mecanismos e implica\u00e7\u00f5es na degenera\u00e7\u00e3o macular relacionada \u00e0 idade (DMRI)<\/a><\/h3>\n<\/div><\/article><article class=\"entry entry-grid is-column has-entry-link has-image has-image-first type-post category-linhas-de-investigacao tag-doenca-de-alzheimer tag-doencas-neurodegenerativas tag-parkinson\" style=\"--entry-index:3;\" aria-label=\"O que Alzheimer e Parkinson t\u00eam em comum? Novas pistas da transcript\u00f4mica celular\" itemscope itemtype=\"https:\/\/schema.org\/CreativeWork\"><a class=\"entry-image-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/o-que-tem-em-comum-alzheimer-e-parkinson-novas-pistas-da-transcriptomica-celular\/\" tabindex=\"-1\" aria-hidden=\"true\"><img decoding=\"async\" width=\"400\" height=\"300\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/br-Procesos-biologicos-compartidos-entre-alzheimer-y-parkinson-segun-el-tipo-celula-400x300.webp\" class=\"entry-image size-landscape-sm\" alt=\"Processos biol\u00f3gicos compartilhados entre Alzheimer e Parkinson de acordo com o tipo celular.\" srcset=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/br-Procesos-biologicos-compartidos-entre-alzheimer-y-parkinson-segun-el-tipo-celula-400x300.webp 400w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/br-Procesos-biologicos-compartidos-entre-alzheimer-y-parkinson-segun-el-tipo-celula-800x600.webp 800w\" sizes=\"(max-width:599px) 599px, (min-width:600px) and (max-width: 799px) 799px, (min-width:800px) and (max-width: 999px) 333px, (min-width:1000px) 400px\" \/><\/a><div class=\"entry-wrap entry-wrap-grid\"><h3 class=\"entry-title\" itemprop=\"headline\"><a class=\"entry-title-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/o-que-tem-em-comum-alzheimer-e-parkinson-novas-pistas-da-transcriptomica-celular\/\" rel=\"bookmark\">O que Alzheimer e Parkinson t\u00eam em comum? Novas pistas da transcript\u00f4mica celular<\/a><\/h3>\n<\/div><\/article><article class=\"entry entry-grid is-column has-entry-link has-image has-image-first type-post category-linhas-de-investigacao tag-doencas-neurodegenerativas tag-parkinson\" style=\"--entry-index:4;\" aria-label=\"Transplante de c\u00e9lulas-tronco no Parkinson: primeiros resultados do ensaio STEM-PD\" itemscope itemtype=\"https:\/\/schema.org\/CreativeWork\"><a class=\"entry-image-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/transplante-de-celulas-tronco-em-parkinson-primeiros-resultados-do-ensaio-stem-pd\/\" tabindex=\"-1\" aria-hidden=\"true\"><img decoding=\"async\" width=\"400\" height=\"300\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/11\/terapia-celular-parkinson-pet-18f-fdopa-400x300.webp\" class=\"entry-image size-landscape-sm\" alt=\"Transplante de c\u00e9lulas-tronco no Parkinson: primeiros resultados do ensaio STEM-PD\" \/><\/a><div class=\"entry-wrap entry-wrap-grid\"><h3 class=\"entry-title\" itemprop=\"headline\"><a class=\"entry-title-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/transplante-de-celulas-tronco-em-parkinson-primeiros-resultados-do-ensaio-stem-pd\/\" rel=\"bookmark\">Transplante de c\u00e9lulas-tronco no Parkinson: primeiros resultados do ensaio STEM-PD<\/a><\/h3>\n<\/div><\/article><article class=\"entry entry-grid is-column has-entry-link has-image has-image-first type-post category-linhas-de-investigacao tag-demencia\" style=\"--entry-index:5;\" aria-label=\"Dormir para limpar o c\u00e9rebro: a rela\u00e7\u00e3o entre sono, sistema glinf\u00e1tico e dem\u00eancia\" itemscope itemtype=\"https:\/\/schema.org\/CreativeWork\"><a class=\"entry-image-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/dormir-para-limpar-o-cerebro-a-relacao-entre-sono-sistema-glinfatico-e-demencia\/\" tabindex=\"-1\" aria-hidden=\"true\"><img decoding=\"async\" width=\"400\" height=\"300\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/09\/Dormir-para-limpiar-el-cerebro-el-vinculo-entre-sueno-sistema-glinfatico-y-demencia.-El-papel-del-sistema-glinfatico-y-el-sueno-NREM-en-la-eliminacion-de-amiloide-y-tau.-Implicaciones-clinicas-400x300.webp\" class=\"entry-image size-landscape-sm\" alt=\"Dormir para limpar o c\u00e9rebro: a rela\u00e7\u00e3o entre sono, sistema glinf\u00e1tico e dem\u00eancia. O papel do sistema glinf\u00e1tico e do sono NREM na remo\u00e7\u00e3o de amiloide e tau. Implica\u00e7\u00f5es cl\u00ednicas.\" srcset=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/09\/Dormir-para-limpiar-el-cerebro-el-vinculo-entre-sueno-sistema-glinfatico-y-demencia.-El-papel-del-sistema-glinfatico-y-el-sueno-NREM-en-la-eliminacion-de-amiloide-y-tau.-Implicaciones-clinicas-400x300.webp 400w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/09\/Dormir-para-limpiar-el-cerebro-el-vinculo-entre-sueno-sistema-glinfatico-y-demencia.-El-papel-del-sistema-glinfatico-y-el-sueno-NREM-en-la-eliminacion-de-amiloide-y-tau.-Implicaciones-clinicas-800x600.webp 800w\" sizes=\"(max-width:599px) 599px, (min-width:600px) and (max-width: 799px) 799px, (min-width:800px) and (max-width: 999px) 333px, (min-width:1000px) 400px\" \/><\/a><div class=\"entry-wrap entry-wrap-grid\"><h3 class=\"entry-title\" itemprop=\"headline\"><a class=\"entry-title-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/dormir-para-limpar-o-cerebro-a-relacao-entre-sono-sistema-glinfatico-e-demencia\/\" rel=\"bookmark\">Dormir para limpar o c\u00e9rebro: a rela\u00e7\u00e3o entre sono, sistema glinf\u00e1tico e dem\u00eancia<\/a><\/h3>\n<\/div><\/article><article class=\"entry entry-grid is-column has-entry-link has-image has-image-first type-post category-linhas-de-investigacao tag-demencia tag-envelhecimento-normal\" style=\"--entry-index:6;\" aria-label=\"DunedinPACNI: como medir o ritmo de envelhecimento cerebral com uma \u00fanica resson\u00e2ncia\" itemscope itemtype=\"https:\/\/schema.org\/CreativeWork\"><a class=\"entry-image-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/dunedinpacni-como-medir-o-ritmo-do-envelhecimento-cerebral-com-uma-ressonancia\/\" tabindex=\"-1\" aria-hidden=\"true\"><img decoding=\"async\" width=\"400\" height=\"300\" src=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/10\/br-Desarrollo-y-validacion-de-DunedinPACNI.-Articulo-de-investigacion-de-NeuronUP-400x300.webp\" class=\"entry-image size-landscape-sm\" alt=\"Desenvolvimento e valida\u00e7\u00e3o do DunedinPACNI. Artigo de pesquisa da NeuronUP.\" srcset=\"https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/10\/br-Desarrollo-y-validacion-de-DunedinPACNI.-Articulo-de-investigacion-de-NeuronUP-400x300.webp 400w, https:\/\/neuronup.com\/br\/wp-content\/uploads\/2026\/10\/br-Desarrollo-y-validacion-de-DunedinPACNI.-Articulo-de-investigacion-de-NeuronUP-800x600.webp 800w\" sizes=\"(max-width:599px) 599px, (min-width:600px) and (max-width: 799px) 799px, (min-width:800px) and (max-width: 999px) 333px, (min-width:1000px) 400px\" \/><\/a><div class=\"entry-wrap entry-wrap-grid\"><h3 class=\"entry-title\" itemprop=\"headline\"><a class=\"entry-title-link\" href=\"https:\/\/neuronup.com\/br\/investigacao\/linhas-de-investigacao\/dunedinpacni-como-medir-o-ritmo-do-envelhecimento-cerebral-com-uma-ressonancia\/\" rel=\"bookmark\">DunedinPACNI: como medir o ritmo de envelhecimento cerebral com uma \u00fanica resson\u00e2ncia<\/a><\/h3>\n<\/div><\/article><\/div><\/div>","protected":false},"excerpt":{"rendered":"<p>Um rel\u00f3gio inteligente pode antecipar riscos \u00e0 sa\u00fade? A doutoranda Marta Arbizu G\u00f3mez apresenta como o modelo de intelig\u00eancia artificial SensorFM utiliza dados de wearables para analisar padr\u00f5es fisiol\u00f3gicos e seu impacto na avalia\u00e7\u00e3o cl\u00ednica e neuropsicol\u00f3gica. A integra\u00e7\u00e3o da intelig\u00eancia artificial e dos dispositivos wearables est\u00e1 transformando a coleta cont\u00ednua de dados de sa\u00fade. &hellip;<\/p>\n","protected":false},"author":315,"featured_media":54275,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_genesis_hide_title":false,"_genesis_hide_breadcrumbs":false,"_genesis_hide_singular_image":false,"_genesis_hide_footer_widgets":false,"_genesis_custom_body_class":"","_genesis_custom_post_class":"","_genesis_layout":"","footnotes":""},"categories":[684],"tags":[653],"class_list":["type-post","category-linhas-de-investigacao","tag-inteligencia-artificial","entry"],"acf":[],"_links":{"self":[{"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/posts\/54277","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/users\/315"}],"replies":[{"embeddable":true,"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/comments?post=54277"}],"version-history":[{"count":1,"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/posts\/54277\/revisions"}],"predecessor-version":[{"id":54283,"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/posts\/54277\/revisions\/54283"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/media\/54275"}],"wp:attachment":[{"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/media?parent=54277"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/categories?post=54277"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/neuronup.com\/br\/wp-json\/wp\/v2\/tags?post=54277"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}