Desenvolvimento de um modelo inteligente para reconhecimento de transtornos mentais a partir da voz

Descrição

O presente projeto de pesquisa propõe o desenvolvimento e a validação de um modelo inteligente para o reconhecimento e classificação automática para o rastreio de transtornos mentais (TM) a partir da análise da voz. O estudo fundamenta-se na interface interdisciplinar entre a Fonoaudiologia, Psiquiatria, Psicologia, Estatística e Ciência da Computação, utilizando a voz como um biomarcador digital de baixo custo e não invasivo. A metodologia está estruturada em três etapas fundamentais: (1) construção de um corpus multimodal contendo amostras vocais e dados clínicos de pacientes diagnosticados com Depressão, Ansiedade, Transtorno Bipolar, Esquizofrenia, Síndrome de Burnout e Transtorno do Déficit de Atenção com Hiperatividade (TDAH); (2) realização de avaliação perceptivo-auditiva e acústica das vozes por juízes especialistas e leigos; e (3) desenvolvimento de modelos de machine learning (Redes Neurais, Bayesianas e SVM) para a identificação de padrões associados a cada condição de saúde mental. A inovação desta proposta reside na integração de dimensões complementares, incluindo medidas neurofisiológicas autonômicas (Frequência Cardíaca - FC, saturação de oxigênio no sangue - SPO2, Eletromiografia de superfície - EMG) e centrais (Eletroencefalograma - EEG) e marcadores metabólicos, visando conferir maior robustez e acurácia preditiva ao sistema. O objetivo geral é validar uma ferramenta tecnológica capaz de auxiliar na triagem precoce e no monitoramento remoto de pacientes, apresentando elevada relevância social diante do cenário epidemiológico crescente dos TM. O projeto insere-se em uma rede de colaboração nacional interdisciplinar (UFPB, UNICAMP, UFS) e vincula-se à Chamada Universal do CNPq, proporcionando um ambiente de alta produtividade para a formação científica de pesquisadores, que inclui estudantes de graduação.