Manter um estado de alerta adequado é crucial para a segurança e o desempenho em diversas atividades, desde dirigir até realizar tarefas complexas no trabalho. Métodos tradicionais de avaliação, como o teste de vigilância psicomotora (PVT), podem ser incômodos e interromper as rotinas diárias. Uma pesquisa recente explora uma alternativa inovadora: a previsão personalizada do estado de alerta por meio da análise de vídeos faciais.
O estudo, publicado na revista Sleep, investigou a possibilidade de substituir o PVT por vídeos faciais gravados passivamente. Os pesquisadores analisaram dados de um experimento de privação total de sono, no qual participantes realizaram o PVT e tiveram seus rostos gravados em vídeo. A partir desses vídeos, foram extraídas características oculares e faciais, que serviram de base para treinar modelos de aprendizado de máquina. Esses modelos foram capazes de prever o desempenho no PVT e, consequentemente, o nível de alerta dos indivíduos.
Os resultados demonstraram que essa abordagem é promissora. Os modelos baseados em vídeo apresentaram uma precisão notável na previsão do desempenho no PVT, com um erro médio muito próximo da variabilidade natural do próprio teste em condições normais de descanso. Isso sugere que a análise de vídeos faciais pode ser uma ferramenta eficaz e não intrusiva para monitorar o estado de alerta em tempo real, abrindo caminho para o desenvolvimento de sistemas de alerta personalizados e potencialmente prevenindo acidentes e erros decorrentes da fadiga. Essa tecnologia poderia ter aplicações significativas em áreas como transporte, saúde e segurança no trabalho, contribuindo para um ambiente mais seguro e produtivo.
Origem: Link