Seu celular consegue detectar mudanças de humor antes de você?

Seu telefone pode detectar mudanças nos lugares aonde você vai, na regularidade com que se movimenta e em quando você interage com ele. Esses padrões frequentemente acompanham sintomas de depressão e ansiedade. Isso é ciência útil, mas não significa que seu telefone possa diagnosticar depressão ou alertar de forma confiável que um episódio bipolar está por vir.

A constatação mais robusta é mais restrita: medidas passivas de mobilidade e ritmo diário se correlacionam com a carga de sintomas. Padrões de movimento derivados de GPS, atividade baseada em acelerômetro e horário de sono aparecem repetidamente em pesquisas de fenotipagem digital. A distância entre essa associação e um sistema de alerta clinicamente útil continua grande.

O que telefones e dispositivos vestíveis podem medir

Fenotipagem digital significa usar dados gerados durante o uso habitual de dispositivos para descrever o comportamento ao longo do tempo. Um telefone pode registrar mudanças de localização por GPS, movimento por acelerômetros, horários de uso da tela e, às vezes, padrões de chamadas ou Bluetooth. Dispositivos vestíveis acrescentam sinais contínuos relacionados à atividade e ao sono.

Pesquisadores frequentemente transformam dados brutos de localização em medidas como mobilidade, entropia de localização ou periodicidade de 24 horas. A entropia de localização descreve aproximadamente o quanto os locais de uma pessoa são variados; a periodicidade descreve se o movimento segue um padrão diário regular. Esses são marcadores comportamentais, não medidas diretas de humor, motivação ou química cerebral.

Uma revisão sistemática de 2024 de Choi et al., que abrangeu 38 estudos sobre estresse, ansiedade e depressão leve, constatou que a redução da mobilidade medida por GPS e o movimento circadiano irregular foram os correlatos mais consistentemente replicados da carga depressiva. O comportamento sedentário derivado de acelerômetro também mostrou uma associação recorrente. Tempo de tela, registros de comunicação e proximidade social baseada em Bluetooth apareceram em vários estudos, mas de forma menos consistente.

Duas revisões posteriores chegaram a uma conclusão semelhante. Bufano et al., em 2024, identificaram características derivadas de GPS e sono como principais candidatas para o monitoramento longitudinal do humor. Amin et al., em 2025, também constataram que medidas relacionadas a GPS e sono estavam entre as principais características em pesquisas de monitoramento e predição longitudinal da depressão. Modelos combinados que utilizavam dados de GPS, acelerômetro e sono geralmente tiveram melhor desempenho do que modelos baseados apenas em um sensor.

Essa consistência importa, com uma ressalva: a maior parte das pesquisas subjacentes envolveu participantes não clínicos ou pessoas com sintomas leves. Um padrão que acompanha uma pontuação em questionário entre estudantes ou funcionários pode se comportar de maneira diferente em alguém com transtorno depressivo maior ou transtorno bipolar.

Evidência clínica: a desorganização circadiana aparece nos dados de GPS

Um estudo prospectivo de 2022 fornece a evidência mais direta em uma amostra clínica com transtornos do humor. Braund et al. acompanharam 121 pacientes recrutados em uma clínica de transtornos do humor de Sydney durante 10 semanas, coletando dados de GPS e avaliações repetidas de sintomas em seis momentos.

Os pesquisadores usaram análise espectral por mínimos quadrados para estimar a periodicidade do GPS em 24 horas. Participantes com pontuações mais altas de depressão no PHQ-9 apresentaram menor periodicidade, maior agrupamento de locais e padrões de movimento mais desorganizados. Menor mobilidade medida por GPS também se correlacionou com pontuações mais altas de sintomas de mania. O estudo não estabeleceu que o ritmo desorganizado causava sintomas, nem que os sintomas causavam o ritmo desorganizado. Ele constatou que os dois variavam juntos.

O delineamento acrescenta relevância clínica real, mas tem limitações. Veio de um único centro, não incluiu grupo-controle saudável e teve poder estatístico para detectar associações fracas. Não forneceu um limiar clínico validado — como uma mudança específica na mobilidade que deveria desencadear uma ligação para um psiquiatra. Um telefone pode coletar uma enorme quantidade de dados sem saber o que eles significam para uma pessoa em particular.

Dados passivos poderiam prever um episódio futuro?

A evidência mais próxima vem de um estudo de coorte nacional sul-coreano de 2023 de Lee et al. Os pesquisadores testaram prospectivamente se fenótipos digitais em tempo real, incluindo dados de ritmo circadiano, poderiam prever a recorrência iminente de episódios de humor em pessoas com diagnóstico de transtorno depressivo maior e transtorno bipolar. Essa pergunta é mais clinicamente relevante do que perguntar se os sintomas atuais se correlacionam com o movimento atual.

Ainda assim, o relatório disponível não isola medidas de desempenho para características circadianas derivadas de GPS, como área sob a curva, sensibilidade ou especificidade. Sem esses números, não é possível avaliar com que frequência um modelo identificaria corretamente um episódio, quantos alarmes falsos geraria ou se poderia atender ao padrão de uso clínico no mundo real.

Mais importante, predição não é tratamento. Nenhuma das evidências discutidas aqui mostra que alertas derivados de sensores levaram a atendimento mais precoce, menos episódios, melhor funcionamento ou melhor qualidade de vida. Um sistema de alerta útil precisa tanto de um sinal preciso quanto de um plano de resposta comprovado. A pesquisa tem mais evidência para o primeiro do que para o segundo.

O horário de sono acrescenta um segundo sinal relacionado

Telefones podem captar informações circadianas mesmo sem GPS ou um dispositivo de pulso. Em um estudo transversal com 33 pessoas com insônia e 33 controles saudáveis pareados por idade e gênero, Lin et al., em 2023, compararam o horário de interação com smartphones à actigrafia convencional. O aplicativo registrou carimbos de data e hora do uso do telefone ao longo de 2.097 dias-pessoa, e seus padrões de horário se correlacionaram com índices circadianos medidos por actigrafia. Isso sustenta a ideia de que o horário em que alguém usa um telefone pode trazer informações sobre o ritmo diário.

Isso não estabelece que o uso do telefone substitui uma avaliação clínica do sono. Os registros de interação também refletem horários de trabalho, cuidados com outras pessoas, viagens, hábitos de entretenimento e a tendência profundamente humana de conferir só mais uma coisa às 0h47.

Outros estudos apontam na mesma direção. O longitudinal estudo DeeP-DD examinou padrões de sono e atividade como biomarcadores comportamentais em diferentes diagnósticos psiquiátricos. Um estudo de 2025 de Chen et al. constatou que padrões de repouso-atividade derivados de actigrafia e interação com smartphone estavam associados à gravidade da depressão e à comorbidade com obesidade. Esses achados sustentam a desorganização circadiana como um amplo marcador comportamental e de saúde; não demonstram um mecanismo específico de diagnóstico nem provam que corrigir um ritmo medido tratará a depressão.

Por que as evidências ainda não justificam uma alegação de predição para consumidores

A evasão de participantes é um grande problema. Na revisão de Choi, dois estudos grandes retiveram apenas 30,42% dos participantes inscritos (359 de 1.180) e 18,8% (141 de 750). Entre os estudos sem valores atípicos, o tamanho médio final da amostra foi de 129,4, com desvio-padrão de 184,01. Quando muitos participantes deixam de fornecer dados, as pessoas que permanecem podem diferir quanto à gravidade dos sintomas, ao conforto com a tecnologia, à estabilidade da rotina ou aos três fatores. A direção do viés resultante não é previsível.

O acompanhamento também frequentemente fica aquém do tempo necessário para compreender o transtorno bipolar. A maioria dos estudos da revisão durou de 14 a 153 dias, embora o padrão completo de episódios depressivos e maníacos possa se desenrolar ao longo de meses ou anos. Uma característica associada à gravidade dos sintomas durante algumas semanas de observação pode não prever recorrência ao longo de um ciclo completo da doença.

Pesquisadores também calculam características de GPS aparentemente semelhantes de maneiras diferentes: análise espectral, medidas de entropia, medidas de variância e algoritmos de agrupamento. Isso impede uma estimativa clara de um único nível universal de precisão e dificulta estabelecer um limiar que funcione entre aplicativos, clínicas, sistemas operacionais e populações. iOS e Android diferem no acesso ao GPS em segundo plano, na amostragem do acelerômetro e nas regras de permissão, acrescentando outra fonte de variação.

Dispositivos vestíveis não eliminam esses problemas. Uma revisão sistemática de 2025 de Hassan et al. constatou que dispositivos de consumo podem captar sinais físicos e comportamentais relevantes em transtornos mentais graves, incluindo transtorno bipolar, mas identificou sobrecarga para os participantes, dados ausentes e utilidade preditiva validada limitada. Durante depressão grave ou mania, as pessoas podem deixar de usar um dispositivo ou se desligar do telefone justamente quando o monitoramento seria mais importante. A ausência de dados faz parte do problema clínico, não é um pequeno incômodo técnico.

Como usar os dados agora

Se você já acompanha sono, atividade ou humor, procure mudanças em sua própria linha de base: horários de sono cada vez mais irregulares, redução sustentada da amplitude de movimento ou uma mudança acentuada na rotina diária. Considere essas mudanças como estímulos para verificar como você está, conversar com uma pessoa de confiança ou procurar um profissional de saúde — especialmente se vierem acompanhadas de mudanças no sono, na energia, no pensamento ou na adesão à medicação.

Não trate uma pontuação de humor, um painel de dispositivo vestível ou um padrão de GPS como diagnóstico. A detecção passiva pode acrescentar contexto ao acompanhamento de sintomas, mas não pode substituir a avaliação clínica, e nenhum aplicativo de consumo demonstrou predição confiável de episódios associada a melhores desfechos para os pacientes. Os sensores são reais. A camada de interpretação clínica validada ainda está em construção.