O TUGscope deteta a pose do doente frame a frame, separa as fases do teste e devolve tempos, cadência, velocidade, viragem e transferências. No fim, um modelo de IA redige o relatório clínico a partir das métricas já calculadas.
Enviamos apenas marcos do projeto: resultados da validação, versões de teste e oportunidades de colaboração. Sem spam, e pode sair quando quiser.
O Timed Up and Go é o teste funcional mais usado para avaliar mobilidade e risco de queda em pessoas idosas. Na prática, fica-se com um único número: o tempo total. O TUGscope transforma a mesma gravação de 20 segundos numa avaliação quantitativa de marcha e equilíbrio, sem sensores, sem marcadores e sem laboratório.
Levantar, ida, viragem, regresso, viragem final e sentar, com início e fim de cada fase. O cronómetro deixa de depender do tempo de reação de quem avalia.
Cadência, velocidade, comprimento do passo e da passada, apoio e balanço, duplo apoio, simetria, regularidade, estratégia de viragem, controlo do tronco e uso das mãos nas transferências.
Um PDF com linha de tempo, tabelas, frames-chave e um texto clínico redigido por IA que distingue sempre medições, observações e interpretação. O clínico revê e edita antes de exportar.
Filma-se o teste com o telemóvel num tripé, de lado ou de frente. O vídeo nunca sai do computador: toda a análise de imagem corre localmente, num Mac com Apple Silicon. Só as métricas, e opcionalmente alguns frames-chave, seguem para o modelo de IA.
Um detetor localiza a pessoa e um estimador de pose devolve 26 pontos anatómicos por frame, incluindo calcanhares e pontas dos pés.
Local, sem redeAlgoritmos de processamento de sinal segmentam as fases, detetam contactos do pé e calculam cada métrica de forma reprodutível.
Local, sem redeO modelo observa frames-chave, descreve o que vê em formato estruturado e redige o texto clínico a partir dos números já calculados.
API Claude, opcionalO clínico vê o relatório na aplicação, corrige o que entender e exporta o PDF. Métricas em JSON e vídeo com esqueleto ficam guardados.
LocalNão há uma rede neuronal a adivinhar o resultado. A estimativa de pose é o único passo com aprendizagem automática; tudo o resto é geometria e processamento de sinal, documentado e verificável. Cada métrica indica o método com que foi obtida.
Pose 2D no formato Halpe26 (26 pontos) via ONNX Runtime. O detetor de pessoas corre a cada 15 frames e a caixa é seguida entre deteções, cerca de 0,15 s por frame em CPU. Quando há mais do que uma pessoa, é escolhida a que tem o corpo mais completo. Pontos com baixa confiança são descartados.
A rotação do corpo (yaw) é estimada a partir dos ombros, ancas, nariz e pés, o que permite classificar a vista (lateral, frontal, diagonal) e localizar a viragem. As fases são segmentadas pelo movimento vertical do tronco, pela progressão no espaço e pela rotação.
Em vista lateral, contactos do calcanhar e saídas do pé pelo método de Zeni (posição do pé em relação à pélvis). Nas outras vistas, deteção do pé estacionário. Daí saem passos, cadência, velocidade, comprimentos, apoio e balanço, duplo apoio, simetria e coeficiente de variação.
Duração, número de passos, direção e amplitude angular. Interrupções, passos cruzados e rotação em bloco (atraso entre a rotação da cabeça e a da pélvis) são heurísticos e assinalados como tal para confirmação visual.
Duração de cada transferência, tentativas, uso provável das mãos (posição dos punhos em relação às ancas), inclinação máxima do tronco e velocidade vertical. A descida pouco controlada é detetada pela velocidade de descida da anca.
Inclinação e oscilação do tronco, oscilação lateral dos ombros, balanço e assimetria dos braços. Sinais observáveis: elevação do pé e arrastamento, passos corretivos e procura de apoio com as mãos.
Em vista lateral, o percurso de 3 m calibra a escala; em alternativa usa-se a altura do doente. Com a câmara na mão, o movimento é estimado pelo fundo da imagem e compensado, mantendo o tempo total fiável e assinalando perda de precisão espacial.
Tempo total do TUGscope contra o cronómetro do examinador, em quatro gravações de teste com condições diferentes. O cronómetro inclui o tempo de reação de quem avalia; o sistema mede do início do movimento do tronco até à anca estabilizar na cadeira.
| Condições de gravação | Cronómetro | TUGscope |
|---|---|---|
| Câmara na mão a seguir, diagonal | 27,13 s | 27,32 s |
| Frontal, pernas fora de plano na viragem | 24,74 s | 23,6 s |
| Diagonal, parada, vídeo começa a meio do levantar | 16,11 s | 15,01 s |
| Frontal, câmara parada | 13,26 s | 12,74 s |
Três ecrãs: dados do doente e vídeo, análise com pré-visualização do esqueleto em tempo real, e resultados com linha de tempo navegável, métricas e relatório editável. Funciona offline; a chave da API de IA é opcional e fica guardada apenas no computador.
Em preparação. Será gravado com um voluntário com consentimento para divulgação, do início do teste à exportação do PDF.
Um documento para outros profissionais de saúde, gerado em HTML/CSS e exportado pela própria aplicação. Começa pelo tempo total e pela linha de tempo das fases; segue com as tabelas de métricas e termina com o texto clínico.
Medições, observações e interpretação aparecem sempre separadas, para que se saiba o que foi calculado, o que foi visto e o que é juízo clínico.
Valores em falta são declarados como não avaliados, com a razão: vista da câmara, calibração indisponível ou poucos passos.
Uma secção de limitações fecha cada relatório: qualidade do vídeo, estabilidade da câmara, confiança da deteção.
Editável antes de exportar. O texto da IA é uma proposta; o clínico assina o que sai.
| Métrica | Ida | Regresso |
|---|---|---|
| Passos | 5 | 4 |
| Cadência | 109,7 passos/min | 131,5 passos/min |
| Velocidade | 0,77 m/s < 0,8 | 1,17 m/s |
| Comprimento do passo | 0,42 m | 0,53 m |
| Regularidade: CV do tempo de passo | 6,3 % | 35,9 % |
| Duração | 3,02 s | Interrupções | 0 |
| Passos | 4 | Rotação em bloco | não |
O modelo de linguagem não mede nada. Recebe as métricas já calculadas e, opcionalmente, uma dúzia de frames-chave, e faz duas coisas que um algoritmo determinístico faz mal: descrever o que se vê e escrever um texto clínico legível. Usamos a API Claude, da Anthropic, com saídas estruturadas.
Doze frames escolhidos pelas fases (antes de levantar, meio do levantar, início da marcha, antes e durante a viragem, sentar…) são enviados ao modelo com uma pergunta fechada. A resposta é um JSON com esquema fixo: auxiliar de marcha, procura de apoio, uso das mãos ao levantar e ao sentar, controlo da descida, arrastamento dos pés, postura, balanço dos braços, qualidade do vídeo e um grau de confiança. Se não for visível, a resposta é "indeterminado".
O modelo recebe o JSON completo das métricas e a revisão visual, com instruções estritas: usar exclusivamente os valores fornecidos, escrever "não avaliado" quando faltam, separar medições de observações e de interpretação, interpretar com prudência face a referências conhecidas, não diagnosticar e listar as limitações. O texto chega em streaming à aplicação e pode ser editado.
O TUGscope não é um dispositivo médico certificado e não deve ser usado para decisões clínicas. O protótipo funciona de ponta a ponta e está pronto para ser comparado com o padrão de referência em contexto clínico e hospitalar: cronómetro, observação por avaliadores treinados e, idealmente, sistemas instrumentados de análise de marcha.
Se trabalha num hospital, numa unidade de cuidados continuados, numa instituição de ensino ou num grupo de investigação e quer participar na validação, fale connosco.
[email protected]Diogo Pinto, Geridoc. Respondemos a todos os contactos.
