Neuroinpixel
Base Científica

Não é achismo. É ciência.

O Neuroinpixel é fundamentado em pesquisas publicadas em journals de alto impacto — Nature, JMIR, IEEE, JAMA. Cada biomarcador tem base científica validada.

81 Biomarcadores Digitais

Organizados em 14 categorias, cada biomarcador captura uma dimensão diferente da interação humano-computador. Categorias marcadas como nativo requerem o app Windows.

KD

Dinâmica de Digitação

8 bio

  • • Dwell time
  • • Flight time
  • • Digraph latency
  • • Taxa de erros

MS

Mouse / Trackpad

9 bio

  • • Desvio de trajetória
  • • Overshoot
  • • Micro-tremor
  • • Jerk

AT

Atenção e Navegação

8 bio

  • • On-task duration
  • • Tab-switching
  • • Entropia de foco
  • • Reaction time

LT

Linguagem e Texto

6 bio

  • • Complexidade sintática
  • • TTR
  • • Coerência semântica
  • • Uso de autocorreção

TB

Padrões Temporais

7 bio

  • • Duração de sessão
  • • Idle time
  • • Conclusão de tarefa
  • • Consistência

HB

Habilidades / Forças

6 bio

  • • Reconhecimento de padrões
  • • Hiperfoco
  • • Detail orientation
  • • Pensamento divergente

CD

Comunicação Digital

4 bio

  • • Latência de resposta
  • • Variance mensagens
  • • Iniciação de conversa
  • • Edição pré-envio

AP

Padrões de Apps

5 bio

  • • Entropia de apps
  • • Undo/redo ratio
  • • Copy/paste
  • • Organização de arquivos

SL

Padrão Circadiano

3 bio

  • • First/last uso
  • • Atividade noturna
  • • Weekend shift

MT

Micro-Tarefas

4 bio

  • • Go/No-Go
  • • N-back
  • • Stroop
  • • Busca visual
nativo

VO

Voz

4 bio

  • • Prosódia
  • • Speech rate
  • • Pausas
  • • Tremor vocal
nativo

WC

Webcam / Fisiológico

5 bio

  • • Heart rate rPPG
  • • HRV
  • • Expressões faciais
  • • Postura de cabeça
nativo

TC

Touch / Toque

6 bio

  • • Área de contato
  • • Força de toque
  • • Swipe kinematics
  • • Multi-touch
nativo

ET

Eye Tracking

6 bio

  • • Fixação
  • • Sacada
  • • Scanpath
  • • Pupilometria

19 Condições Mapeáveis

A análise combinada de múltiplos biomarcadores permite identificar tendências associadas a estas condições — incluindo pontos fortes, não apenas déficits.

Neurodesenvolvimento

  • TDAH
  • TEA
  • Dislexia
  • Discalculia
  • Dispraxia/TDC
  • Disgrafia

Saúde Mental

  • Depressão
  • Ansiedade
  • TOC
  • Bipolaridade
  • Burnout

Neurodegenerativas

  • Parkinson precoce
  • Declínio cognitivo leve
  • Alzheimer inicial

Superpoderes

  • Hiperfoco
  • Pensamento divergente
  • Reconhecimento de padrões
  • Sistematização

Esses biomarcadores identificam tendências comportamentais e fenótipos digitais — não constituem diagnóstico clínico. A força está na análise longitudinal e combinada de múltiplos sinais.

Sistema de Scoring Conservador

O Neuroinpixel prefere falsos negativos a falsos positivos. O estado default de qualquer colaborador é "inconclusivo" — só avança com evidência robusta.

10

Sessões mínimas

≥ 100 interações cada

7+

Dias distintos

Para dados longitudinais

30

Amostras/biomarcador

Para significância estatística

RCI ≥ 1.96

Reliable Change Index

p < .05 para contar

0.8

Cohen's d mínimo

Efeito grande para flag

1.2+

Cohen's d forte

Evidência robusta

2 primários

Convergência mínima

+ N secundários por condição

21+ dias

Coleta ideal

Para relatório alta confiança

Níveis de enquadramento

1Indicativo

Score mínimo + marcadores convergentes

2Sugestivo

Score médio + primários suficientes

3Forte

Score alto + convergência robusta

4Muito Forte

Score muito alto + evidência ampla

Ajuste bayesiano com priors de prevalência Máx. 2 condições "forte" simultâneas Dados esparsos penalizam score (0.5×) Baselines estimados penalizam (0.7×)

Referências Científicas

Publicações peer-reviewed que fundamentam a abordagem de fenotipagem digital e biomarcadores comportamentais.

Harnessing Smartphone-Based Digital Phenotyping to Enhance Behavioral and Mental Health

Onnela, J.-P. & Rauch, S. L. — Neuropsychopharmacology (2016)

Artigo seminal que cunhou o termo 'fenotipagem digital' — a quantificação contínua de fenótipos humanos usando dados de sensores de dispositivos pessoais.

New Tools for New Research in Psychiatry: A Scalable and Customizable Platform to Empower Data Driven Smartphone Research

Torous, J. et al. — JMIR Mental Health (2016)

Framework para coleta passiva de dados comportamentais em smartphones, demonstrando viabilidade de monitoramento contínuo sem interrupção do usuário.

Digital Phenotyping: Technology for a New Science of Behavior

Insel, T. R. — JAMA (2017)

Ex-diretor do NIMH argumenta que biomarcadores digitais podem revolucionar o diagnóstico em saúde mental, complementando métodos tradicionais.

Computer keyboard interaction as an indicator of early Parkinson's disease

Giancardo, L. et al. — Scientific Reports (Nature) (2016)

Demonstrou que padrões de digitação (dwell time, flight time) podem detectar sinais precoces de Parkinson com alta acurácia — validando keystroke dynamics como biomarcador.

Predicting Mood Disturbance Severity with Mobile Phone Keystroke Metadata

Zulueta, J. et al. — Journal of Biomedical Informatics (2018)

Correlação entre metadados de digitação (velocidade, erros, padrões temporais) e estados de humor em pacientes com transtorno bipolar.

Detection of Motor Impairment in Parkinson's Disease Via Mobile Touchscreen Typing

Arroyo-Gallego, T. et al. — IEEE Transactions on Biomedical Engineering (2017)

Validação de métricas de toque (hold time, flight time, touch area) como indicadores de comprometimento motor — base para biomarcadores touchscreen.

Digital Biomarkers of Mood Disorders and Symptom Change

Jacobson, N. C. et al. — npj Digital Medicine (Nature) (2019)

Meta-análise de 127 estudos sobre biomarcadores digitais para transtornos de humor, confirmando que padrões de uso de dispositivos podem prever episódios clínicos.

Digital biomarkers of cognitive function

Dagum, P. — npj Digital Medicine (Nature) (2018)

Demonstrou que interações com smartphone (digitação, scroll, navegação) podem estimar funções cognitivas com precisão comparável a testes neuropsicológicos padronizados.

Digital Phenotyping in Autism Spectrum Disorder

Keshav, N. U. et al. — Current Psychiatry Reports (2020)

Revisão sistemática de abordagens de fenotipagem digital para TEA, incluindo padrões de atenção visual, interação social e comportamentos repetitivos.

Actigraph measures discriminate pediatric bipolar disorder from ADHD

Faedda, G. L. et al. — Journal of Affective Disorders (2016)

Demonstrou que padrões de atividade motora medidos por dispositivos podem diferenciar TDAH de transtorno bipolar — relevante para biomarcadores de movimento.

A Smart-Home System to Unobtrusively and Continuously Assess Loneliness in Older Adults

Austin, D. et al. — IEEE Journal of Translational Engineering in Health and Medicine (2016)

Monitoramento passivo de padrões comportamentais (uso de computador, atividade doméstica) para detectar mudanças de saúde mental — paradigma similar ao Neuroinpixel.

The diversity and inclusion revolution: Eight powerful truths

Deloitte — Deloitte Review (2018)

Empresas com culturas inclusivas têm 2x mais chances de atingir metas financeiras, 6x mais chances de ser inovadoras e 8x mais chances de alcançar melhores resultados de negócio.

Ciência aplicada ao mundo real

Quer ver esses biomarcadores em ação? Entre na waitlist e seja um dos primeiros a experimentar a fenotipagem digital no seu ambiente de trabalho.