Mensagens de IA Podem Fazer Você Caminhar? O ECR DIAMANTE

Um sistema de IA que aprende a quais textos motivacionais uma pessoa responde pode fazê-la se movimentar mais do que mensagens genéricas. No ensaio randomizado DIAMANTE, de 24 semanas, adultos com diabetes tipo 2 e sintomas elevados de depressão que receberam textos orientados por aprendizado por reforço deram cerca de 608 passos a mais por dia do que um grupo-controle que usou apenas o aplicativo — um aumento de aproximadamente 19% em relação ao início do estudo. O resultado foi estatisticamente significativo. Ainda é menos certo se essa caminhada adicional melhorou o controle da glicemia ou os sintomas de depressão.

Essa distinção importa. Um aumento na contagem de passos é um desfecho comportamental real, e mudar comportamentos é difícil. Mas 608 passos adicionais por dia não são automaticamente um tratamento para diabetes ou depressão, por mais sofisticado que pareça o mecanismo de notificações.

A personalização por IA superou textos motivacionais aleatórios

O ensaio DIAMANTE de 2024 distribuiu aleatoriamente 245 adultos com diabetes tipo 2 concomitante e sintomas clinicamente significativos de depressão, definidos como escore PHQ-8 de pelo menos 5, em um de três grupos por 24 semanas. O grupo adaptativo recebeu mensagens de texto selecionadas por um algoritmo de aprendizado por reforço. Um segundo grupo recebeu mensagens com conteúdo escolhido aleatoriamente. O grupo-controle usou o aplicativo e realizou uma avaliação semanal de humor, mas não recebeu programa de mensagens motivacionais.

O grupo adaptativo aumentou as contagens diárias de passos em aproximadamente 608 passos por dia em relação ao controle. O grupo de mensagens aleatórias ficou entre os grupos adaptativo e controle. Essa estrutura de três braços é a melhor característica do estudo: ela testa se as mensagens ajudam em comparação com o uso passivo do aplicativo e, depois, pergunta se a seleção adaptativa acrescenta algo além de enviar conteúdo motivacional aleatoriamente.

A direção dos resultados sustenta ambas as ideias. Qualquer envio estruturado de mensagens pareceu melhor do que a participação apenas pelo aplicativo, enquanto as mensagens adaptativas tiveram o melhor desempenho. A diferença maior foi entre receber mensagens e não recebê-las; a vantagem adicional do aprendizado por reforço sobre o conteúdo aleatório foi menor.

O DIAMANTE está entre os primeiros ensaios randomizados concluídos e com poder estatístico adequado a comparar a personalização por aprendizado por reforço tanto com mensagens aleatórias quanto com controle passivo em uma população de saúde comportamental. Revisões sobre intervenções adaptativas just-in-time descrevem o aprendizado por reforço como um método emergente, não como um padrão consolidado. Uma revisão sistemática de 2024 sobre JITAIs e uma revisão de escopo de 2025 sobre JITAIs de atividade física constataram que a maioria dos programas adaptativos ainda usa regras ou teoria de mudança de comportamento, em vez de aprendizado de máquina formal.

O que o algoritmo aprendeu — e o que o artigo não mostra

O algoritmo contextual de bandido do DIAMANTE escolheu mensagens em três dimensões: o tipo de feedback, o enquadramento motivacional e o horário de envio. Ele usou informações como idade, escore PHQ-8 inicial e o momento e as categorias das mensagens anteriores. Em princípio, isso permite que o sistema aprenda se uma pessoa responde melhor a uma atualização de progresso no início da tarde, enquanto outra responde melhor a um lembrete noturno baseado em uma meta pessoal.

Na prática, o relatório do ensaio não fornece diagnósticos de convergência, não informa quanto tempo o algoritmo levou para se estabilizar em escolhas úteis nem mostra se ele descobriu preferências individuais, em vez de tipos de mensagem amplamente populares. Essa é uma lacuna relevante. Um algoritmo que aprende que a maioria das pessoas prefere um tipo de lembrete pode superar mensagens aleatórias sem demonstrar uma personalização individual profunda. Ainda seria útil; apenas seria uma alegação diferente.

Por que os passos são um alvo sensato

A contagem de passos não é um desfecho trivial. Uma revisão sistemática e metanálise de 2024 encontrou uma associação inversa de dose-resposta entre os passos diários e tanto a incidência quanto a prevalência de depressão em adultos. Mais passos se associaram a menor risco de depressão, embora esses dados não estabeleçam que acrescentar 608 passos melhorará os sintomas de alguém que já tem depressão.

Contagens diárias mais altas de passos, medidas por dispositivo, também se correlacionam com marcadores cardiometabólicos mais favoráveis em dados prospectivos. O estudo do Consórcio ProPASS sustenta a contagem de passos como um marcador intermediário razoável da saúde metabólica, incluindo marcadores relevantes para o diabetes. Ele não fornece um limiar causal de HbA1c para um aumento de cerca de 600 passos entre pessoas com diabetes tipo 2 estabelecido.

As contagens de passos obtidas por smartphones também capturam informações úteis sobre atividade física em nível populacional. Um estudo de mensuração de 2025 constatou que a simples contagem de passos transmitia informações relevantes para a saúde comparáveis às de medidas mais complexas de acelerometria. Isso sustenta a escolha do desfecho no DIAMANTE, embora não elimine a variação entre modelos de telefone, hábitos de transporte e comportamento no aplicativo.

O DIAMANTE mostra que textos adaptativos podem modificar um comportamento mensurado. Ainda não mostra que a magnitude dessa mudança trate qualquer uma das doenças.

A questão clínica permanece em aberto

O exercício pode reduzir sintomas de depressão, mas a dose e a intensidade importam. Uma metanálise de 2025 de ensaios randomizados encontrou benefícios do exercício de alta intensidade em pessoas com depressão. Essas intervenções em geral envolveram muito mais exercício do que aproximadamente 600 passos extras por dia, provavelmente de intensidade leve. As evidências de programas de caminhada também não podem ser transferidas sem cautela: uma metanálise sobre depressão pós-parto constatou que intervenções de caminhada reduziram sintomas, mas a depressão pós-parto difere substancialmente da depressão que ocorre junto com o diabetes tipo 2.

Portanto, o resultado de passos relatado pelo DIAMANTE tem importância estatística, mas não uma interpretação clínica consolidada. Os relatórios disponíveis do ensaio não estabelecem se o ganho de passos alterou os escores de HbA1c ou PHQ-8 em 24 semanas. Um aumento estatisticamente significativo na caminhada pode valer a pena, especialmente em uma população que enfrenta duas condições que dificultam a manutenção da atividade. Ainda assim, não é prova de uma mudança clinicamente significativa no controle glicêmico ou na gravidade da depressão.

O aprendizado por reforço pode não ser o ingrediente essencial

O ensaio também não permite saber se o aprendizado por reforço supera formas mais simples de personalização. No ensaio randomizado IMPACT, sobreviventes jovens adultos de câncer usaram um programa adaptativo de saúde móvel baseado em teoria, sem aprendizado por reforço formal. A intervenção melhorou a atividade física e manteve os ganhos aos 12 meses, segundo o relatório principal do ensaio e seu acompanhamento de 12 meses.

O IMPACT não invalida o DIAMANTE. Ele estudou uma população diferente, usou uma intervenção diferente e acompanhou desfechos diferentes em um cronograma diferente. Mas torna mais difícil evitar a comparação adequada: talvez o benefício venha de uma adaptação criteriosa e consistente, e não especificamente do aprendizado por reforço. O DIAMANTE comparou IA adaptativa com mensagens aleatórias, não com um programa adaptativo baseado em regras bem elaborado.

Limitações de um difícil ensaio no mundo real

O envio de mensagens comportamentais não pode ser cegado. Os participantes podiam perceber se os textos se tornavam personalizados, e essa percepção poderia afetar expectativas, engajamento e caminhada independentemente das seleções do algoritmo. O mesmo problema se aplica à equipe do estudo. Isso é comum em ensaios digitais de comportamento, mas limita o grau de confiança com que alguém pode atribuir a vantagem do braço adaptativo ao próprio aprendizado por reforço.

O ensaio, de janeiro de 2020 a junho de 2022, também ocorreu durante grandes perturbações causadas pela COVID-19, quando os padrões de caminhada da população mudaram acentuadamente. No meio do recrutamento, o estudo passou do recrutamento em clínicas, com confirmação de elegibilidade por prontuários eletrônicos, para recrutamento pela internet em plataformas como Facebook, Google Ads e Craigslist, nas quais o status de diabetes era autorrelatado. Esses fluxos de recrutamento provavelmente incluíram pessoas com diferentes níveis de engajamento em saúde e familiaridade digital. Os resultados publicados disponíveis aqui não relatam desfechos de subgrupos por fonte de recrutamento.

Os participantes receberam $40 no início do estudo e $70 no acompanhamento de 24 semanas. A compensação pode ajudar a reter pessoas em estudos exigentes, mas também pode favorecer a retenção de participantes mais dispostos a concluir as avaliações. O relatório disponível não fornece detalhes de perdas de seguimento específicos por braço. Tampouco relata se os efeitos diferiram conforme a preferência por inglês ou espanhol, apesar da randomização estratificada por idioma.

Como interpretar este resultado

O DIAMANTE oferece uma prova de conceito crível para orientação de saúde por IA. Seu resultado mais forte é modesto, mas útil: em 245 adultos que lidavam com diabetes e sintomas de depressão, textos adaptativos por aprendizado por reforço aumentaram os passos diários em cerca de 608 em relação ao uso passivo do aplicativo durante 24 semanas, com as mensagens aleatórias tendo desempenho intermediário.

Para indivíduos, a lição prática é menos futurista. Uma meta diária de passos, um sistema de lembretes e alguma forma de responsabilização podem ajudar; não é necessário esperar por um orientador de IA perfeitamente personalizado. Para clínicos e desenvolvedores de produtos, a lição é mais rigorosa: testem sistemas adaptativos contra comparadores adaptativos robustos que não usam IA, relatem se os algoritmos realmente aprendem preferências individuais e meçam desfechos objetivos como HbA1c e sintomas de depressão. Até lá, as evidências sustentam as mensagens por IA como uma forma de incentivar a caminhada — não como um tratamento comprovado para diabetes ou depressão.