Vinculada ao INCT TILDIAR, iniciativa desenvolve protótipo que busca ampliar o acesso a estratégias de apoio
Um grupo de pesquisadores, liderado pela professora Helena de Medeiros Caseli, da Universidade Federal de São Carlos (UFSCar), realizado também no âmbito do INCT TILDIAR, está desenvolvendo um agente conversacional com inteligência artificial que pode contribuir para o manejo da depressão.
O estudo, iniciado em 2020, com foco em estudantes universitários, se ampliou em 2025 considerando um público geral em dois países, Brasil e Reino Unido. Segundo Caseli, a proposta do ainda protótipo se insere em um contexto de alta demanda por atenção à saúde mental.
Claro, sem substituir o acompanhamento profissional de saúde mental, o objetivo do trabalho é buscar uma compreensão mais abrangente da saúde mental por meio do uso de Inteligência Artificial (IA) e de Processamento de Linguagem Natural (PLN). Em outras palavras, tem o intuito de auxiliar na detecção de sinais de sofrimento mental e se isso teria potencial para ampliar o acesso a estratégias básicas de cuidado.
Mas, os cientistas também querem saber se a oferta de intervenções com maior alcance pode impactar a qualidade de vida, especialmente das pessoas que de outra forma não teriam acesso a esse tipo de suporte.
O trabalho integra o projeto AIM-Health, iniciado em 2025, e dá continuidade ao projeto Amive (Amigo Virtual Especializado), concluído em 2023. A iniciativa conta também com colaboração internacional, incluindo a Universidade de Exeter, no Reino Unido, e apoio do CNPQ, FAPESP e UKRI/MRC – UK Research and Innovation / Medical Research Council.
Do Amive ao AIM-Health: o que mudou
No projeto Amive, o agente conversacional foi desenvolvido com base em gerenciamento de diálogo orientado a regras (rule-based dialogue management). A interação seguia fluxos estruturados, formulários nos quais o usuário precisava escolher entre opções previamente definidas.
“Naquela época, o nosso agente só conversava com base em scripts fechados”, explica Caseli. “Era como esses chatbots que perguntam: você quer falar sobre tópico 1, 2 ou 3, comum em atendimentos telefônicos de serviços públicos, por exemplo!”
Esse modelo permitia controle da interação, mas impunha limites evidentes. Se o usuário saía do roteiro, o sistema não conseguia acompanhar. Na prática, isso restringia a conversa a um conjunto reduzido de temas, dificultando a adaptação a situações reais.
A partir de 2023, com o avanço dos modelos de linguagem de grande escala (LLMs), o grupo iniciou os estudos para uma nova abordagem. O agente conversa usando um modelo de linguagem natural. Ele fala sobre tudo, controlado por mecanismos desenvolvidos pelos pesquisadores.
Essa transição representa uma mudança importante. O sistema deixa de operar de forma determinística e passa a utilizar modelos de linguagem neurais, capazes de lidar com entradas abertas (out-of-scope inputs) e sustentar interações mais flexíveis.
Como o agente funciona
O agente conversacional em desenvolvimento no AIM-Health faz uso de modelos de linguagem de grande escala (LLM) ajustados ao domínio da saúde mental. A Geração Aumentada por Recuperação (Retrieval-Augmented Generation, RAG) é capaz de consultar bases externas confiáveis antes de gerar respostas. Com isso, reduz alucinações e mantém o conteúdo atualizado sem exigir um novo treinamento.
Além da adaptação ao domínio, realizada com base em documentos oficiais sobre saúde mental, como os disponibilizados pela Organização Mundial de Saúde (OMS), o protótipo usa técnicas de personalização para tornar as conversas mais ajustadas ao perfil dos usuários.
Inicialmente desenvolvido em inglês, no mestrado de Rafael Passador (Defesa de Tese [24/04/2026], Youtube), sob supervisão da professora Helena Caseli, o protótipo tem previsto o desenvolvimento de novas versões, também em português. Ao final do projeto a ideia é produzir versões em ambos os contextos culturais e idiomas, do Brasil e do Reino Unido.
Para isso, a equipe do AIM-Health conta com pesquisadores e estudantes da área da saúde mental (psicólogos e terapeutas ocupacionais), computação e linguística. “Uma equipe interdisciplinar é muito importante para desenvolver uma tecnologia complexa como é a proposta deste projeto”, destaca Caseli.
Apoio emocional inicial
Os pesquisadores fazem questão de esclarecer que não se trata de uma ferramenta clínica. Sua função é atuar como um sistema de apoio conversacional de baixa intensidade, voltado a situações iniciais. As interações são contínuas e se aproximam de um “bate papo com um amigo”, mas com disponibilidade 24 horas por dia e apoio em bases amplas de dados.
O agente pode ajudar o usuário a refletir sobre o que está sentindo, oferecer orientações práticas, como estratégias para melhorar o sono, por exemplo, e, com isso, apoiar o reconhecimento de padrões emocionais positivos. “Ao falar, a pessoa entende melhor o que está vivendo e pode aprender a lidar com aquilo”, afirma a pesquisadora.
Em situações mais graves, com indícios de risco, o sistema pode sugerir a busca por atendimento profissional. Não há, no entanto, diagnóstico ou intervenção clínica.
Acesso, escala e implicações
Um dos principais potenciais do uso dessa tecnologia está na ampliação do acesso de potenciais usuários. Por ser automatizado, o agente pode oferecer suporte 24 horas por dia, sem as limitações de disponibilidade de serviços humanos.
Nesse sentido, a proposta é contribuir para a democratização do apoio básico em saúde mental, especialmente em contextos como o universitário, onde a demanda é elevada e nem sempre possível de ser atendida, tantas vezes por falta de profissionais disponíveis.
Ao mesmo tempo, o desenvolvimento do sistema incorpora preocupações éticas, como controle das respostas, definição de limites de uso e garantia de interações responsáveis. Por enquanto, um protótipo, em desenvolvimento, e sem testes com usuários. A previsão é de que o projeto seja concluído até 2028.
Fontes e pesquisas relacionadas
Projeto Amive (UFSCar), Projeto AIM-Health, Arquitetura do agente conversacional, Detecção de sinais de depressão em texto, Análise de características linguísticas em postagens com possível perfil depressivo.
