Real-time location of acupuncture points based on anatomical landmarks and pose estimation models

A acupuntura é uma das práticas médicas mais antigas do mundo, com milhares de anos de história. Esta terapia utiliza agulhas finas inseridas em pontos específicos do corpo, conhecidos como acupontos, que se localizam ao longo de meridianos ou canais de energia. Embora tradicionalmente esses pontos sejam identificados através do tato e conhecimento anatômico transmitido através de gerações, a localização manual pode ser imprecisa, especialmente quando realizada por pessoas sem treinamento adequado. A precisão na identificação desses pontos é fundamental para a eficácia do tratamento, criando uma necessidade de métodos mais precisos e consistentes de localização.

Este estudo, realizado por pesquisadores da Universidade Nacional Pukyong na Coreia do Sul e publicado em novembro de 2024, investigou como a inteligência artificial pode ser aplicada para automatizar e melhorar a precisão na identificação de pontos de acupuntura. Os pesquisadores desenvolveram e compararam duas abordagens diferentes usando visão computacional: uma que utiliza detecção de marcos anatômicos em tempo real e outra baseada em redes neurais profundas especializadas em estimativa de pose. O objetivo era criar sistemas que pudessem identificar automaticamente pontos de acupuntura no rosto e nas mãos com alta precisão, tornando esta prática milenar mais acessível e precisa tanto para profissionais quanto para iniciantes.

A metodologia do estudo envolveu duas estratégias distintas. Na primeira abordagem, os pesquisadores utilizaram o framework MediaPipe do Google, uma ferramenta de visão computacional que detecta marcos anatômicos em tempo real. Esta técnica identificou 468 pontos de referência no rosto e 21 pontos nas mãos, usando esses marcos como base para calcular matematicamente a localização de 38 pontos de acupuntura específicos através de fórmulas baseadas em medições proporcionais tradicionais da medicina chinesa. A segunda abordagem empregou uma rede neural convolucional chamada YOLOv8-pose, que foi especialmente treinada com um banco de dados personalizado contendo quase 6.000 imagens anotadas por especialistas.

Este modelo foi desenvolvido para detectar diretamente cinco pontos de acupuntura específicos no braço e na mão. Para validar ambos os métodos, os pesquisadores compararam as localizações previstas pelos sistemas com aquelas marcadas manualmente por especialistas em medicina oriental.

Os resultados demonstraram que ambas as abordagens alcançaram alta precisão na localização dos pontos de acupuntura. O sistema baseado em marcos anatômicos conseguiu mapear múltiplos pontos tanto no rosto quanto nas mãos com erro médio de localização inferior a 5 milímetros quando comparado às anotações de especialistas. Este método mostrou-se particularmente eficaz para pontos faciais, provavelmente devido ao maior número de marcos anatômicos disponíveis nesta região. A abordagem de rede neural profunda também demonstrou excelente desempenho, alcançando uma precisão media de 99% na detecção dos cinco pontos específicos estudados.

O modelo conseguiu localizar pontos próximos às pontas dos dedos com maior precisão do que aqueles localizados no meio da mão, sugerindo que certas características anatômicas são mais facilmente identificáveis pelo sistema. Ambos os métodos foram capazes de funcionar em tempo real, processando imagens de vídeo instantaneamente.

Para pacientes e profissionais de acupuntura, estas descobertas representam avanços significativos com implicações práticas importantes. Para profissionais experientes, estes sistemas podem servir como ferramentas de apoio, aumentando a confiança e precisão durante os tratamentos, especialmente em situações onde a localização manual pode ser mais desafiadora. Para estudantes e iniciantes na acupuntura, a tecnologia oferece uma ferramenta educacional valiosa, permitindo aprendizado mais eficiente e padronizado da localização de pontos. Os pesquisadores desenvolveram uma aplicação de demonstração que permite visualização em tempo real dos pontos de acupuntura através de uma webcam, mostrando o potencial prático desta tecnologia.

Para pacientes, isso pode significar tratamentos mais precisos e consistentes, independentemente do nível de experiência do terapeuta, potencialmente melhorando os resultados terapêuticos.

O estudo apresenta algumas limitações importantes que devem ser consideradas. O banco de dados usado para treinar a rede neural foi relativamente pequeno e coletado em ambiente controlado, o que pode limitar a capacidade do sistema de funcionar adequadamente em situações do mundo real com maior variabilidade. As imagens foram capturadas com fundo branco e poses relativamente uniformes, condições que podem não refletir a diversidade encontrada na prática clínica diária. Além disso, a avaliação quantitativa focou principalmente em pontos das mãos e braços, com menos dados disponíveis para validação de pontos faciais.

A falta de grandes bancos de dados públicos com pontos de acupuntura anotados por especialistas também representa um desafio para o desenvolvimento futuro desta tecnologia. Os pesquisadores reconhecem que trabalhos adicionais são necessários para expandir estes sistemas para outras partes do corpo, como pernas e tronco, e para testar sua eficácia em uma variedade maior de condições ambientais e tipos de pacientes. Apesar dessas limitações, este trabalho representa um passo importante na direção da modernização da acupuntura através da integração com tecnologias de inteligência artificial, oferecendo uma base sólida para desenvolvimentos futuros nesta área promissora.