Pesquisadores na Alemanha demonstraram que é possível prever a intenção de movimento de uma pessoa — inclusive a direção exata para onde ela pretende mover o braço — antes mesmo de o movimento começar. O avanço, descrito em um novo estudo conduzido por cientistas da Ruhr West University of Applied Sciences e da Ruhr University Bochum, pode acelerar o desenvolvimento de próteses, exoesqueletos e sistemas robóticos capazes de reagir de forma quase instantânea às intenções humanas.

O trabalho, liderado pela pesquisadora Marie D. Schmidt e pelo cientista Ioannis Iossifidis, mostra que sinais musculares captados por sensores na pele — conhecidos como eletromiografia, ou EMG — contêm informações suficientes para prever não apenas se uma pessoa vai se mover, mas também qual será o alvo do movimento. 

“Decodificar a intenção motora humana é um desafio central para tecnologias assistivas”, escrevem os autores. “Se um dispositivo puder antecipar a ação do usuário, ele pode responder de forma mais rápida e natural.” 

Movimentos como alcançar um objeto ou pegar algo sobre uma mesa parecem simples, mas envolvem um complexo processo neural que começa muito antes da contração muscular visível. A pesquisa investigou exatamente esse período inicial — quando o cérebro já decidiu agir, mas o movimento ainda não começou.

Estudos anteriores mostraram que sinais musculares podem surgir cerca de 50 milissegundos antes do início do movimento. A dúvida era se esses sinais antecipados também continham informações detalhadas sobre a direção ou o alvo da ação. 

Para testar a hipótese, os cientistas criaram um experimento imersivo de realidade virtual. Participantes sentavam-se diante de um ambiente virtual exibido por um headset VR, no qual 25 alvos estavam dispostos em uma grade espacial. Cada alvo representava um ponto para o qual o voluntário deveria estender o braço.

O experimento funcionava em duas etapas: primeiro, o alvo era indicado ao participante; depois, após um pequeno atraso aleatório, surgia o sinal para iniciar o movimento. Esse intervalo permitia aos pesquisadores registrar sinais musculares durante o planejamento da ação — antes de qualquer movimento real ocorrer.

Durante os testes, sensores registravam simultaneamente a atividade elétrica de dez músculos do braço, ombro e tórax, incluindo bíceps, tríceps, deltoides e peitoral. Os sinais eram captados com alta resolução temporal, a uma frequência de 2.000 medições por segundo. 

Os dados coletados foram então analisados por algoritmos de aprendizado de máquina capazes de identificar padrões sutis na atividade muscular. Os pesquisadores utilizaram dois tipos de modelos: uma técnica de aprendizado estatístico conhecida como Random Forest e uma rede neural convolucional.

Quando os algoritmos analisaram os sinais de EMG correspondentes ao movimento completo, conseguiram prever corretamente o alvo do movimento em cerca de 75% das tentativas — um nível de precisão considerado elevado para um problema com 25 possíveis direções espaciais. 

O resultado indica que os sinais musculares contêm uma espécie de “mapa espacial” da intenção motora.

Mesmo quando o sistema cometia erros, eles tendiam a ocorrer entre alvos próximos. Em outras palavras, o algoritmo raramente confundia movimentos opostos; a confusão geralmente acontecia entre direções vizinhas, sugerindo que a codificação espacial do movimento nos músculos é gradual.

Quando os pesquisadores reduziram o número de alvos — aumentando a distância angular entre eles — a precisão saltou para cerca de 95%.

“Isso demonstra que direções separadas por cerca de 28 graus podem ser previstas com alta confiabilidade”, escrevem os autores. 

Outro resultado importante do estudo foi mostrar que a previsão da intenção motora pode ser feita com menos sensores e menos dados do que se imaginava.

Inicialmente, os modelos utilizaram sinais de dez músculos diferentes e 28 características extraídas dos dados musculares. Mas os cientistas descobriram que reduzir esse conjunto para apenas sete músculos e oito características principais mantinha praticamente a mesma precisão.

Esse tipo de simplificação é crucial para aplicações clínicas e tecnológicas, porque dispositivos mais simples e com menos sensores tendem a ser mais baratos, leves e confortáveis para o usuário.

A capacidade de prever movimentos antes de sua execução pode transformar tecnologias de reabilitação e interfaces homem-máquina.

Hoje, muitas próteses e robôs assistivos respondem apenas depois que o movimento começa. Isso cria atrasos perceptíveis que tornam o controle menos natural.

Se os dispositivos conseguirem antecipar a intenção motora, eles poderão iniciar a assistência no momento exato em que o usuário decide agir.

Isso pode melhorar significativamente sistemas como: próteses controladas por sinais musculares, exoesqueletos de reabilitação, 

braços robóticos assistivos e sistemas de estimulação elétrica funcional

Nesses casos, antecipar o movimento pode permitir que a tecnologia “acompanhe” a intenção do paciente, incentivando a participação ativa e acelerando a recuperação motora.

Apesar dos resultados promissores, os pesquisadores ressaltam que ainda há desafios a superar antes da aplicação clínica em larga escala. Entre eles estão a variabilidade entre indivíduos e a necessidade de testar os algoritmos em ambientes mais complexos e movimentos mais naturais.

Mesmo assim, o estudo oferece novas pistas sobre como a intenção motora evolui ao longo do tempo — desde o planejamento até a execução — e mostra que sinais periféricos do corpo podem revelar muito mais sobre nossas decisões motoras do que se imaginava.

Para os autores, compreender essa dinâmica pode abrir uma nova geração de interfaces entre humanos e máquinas.