IA

Shaped: o que uma imagem do corpo pode transformar em informação?

O escaneamento corporal apresentado pela Shaped na fswk.rio abre uma discussão sobre captura de imagens, estimativas, comparação e apresentação de resultados.

Banner da Shaped sobre modelos de IA e parâmetros de saúde na fswk.rio
Apresentação da Shaped fotografada na fswk.rio em 13 de novembro de 2026. · Crédito: Ernani Nascimento Filho

No estande da Shaped, na fswk.rio de 13 de novembro de 2026, fotografei uma proposta que relaciona imagens, dados e avaliação corporal. O banner apresenta modelos próprios de inteligência artificial para estimar parâmetros de saúde; a demonstração visual incluía um fluxo de escaneamento corporal pelo celular.

Esse tipo de interface concentra muita coisa em um gesto aparentemente simples: posicionar o corpo e produzir imagens. Para quem desenvolve software, vale abrir essa sequência e entender quais informações entram, quais transformações ocorrem e como o resultado é apresentado. Minha visita registrou a proposta; não incluiu um estudo de precisão da ferramenta.

Banner da Shaped sobre imagens, dados e modelos de inteligência artificial Material de apresentação da Shaped. Foto: Ernani Nascimento Filho.

A captura já faz parte do modelo de uso

Uma aplicação baseada em imagens precisa orientar a produção da entrada que espera receber. No desenho de um produto desse tipo, eu começaria por esclarecer posição da câmera, enquadramento e condições aceitas para captura. O objetivo seria reduzir a distância entre a imagem esperada pelo sistema e aquela que a pessoa consegue produzir em casa.

Pense em um exemplo hipotético: a mesma pessoa faz duas capturas com posições diferentes do telefone. Antes de interpretar a diferença entre os resultados como uma mudança corporal, seria necessário entender se as imagens são comparáveis para aquela ferramenta.

Isso sugere uma interface que verifica qualidade e explica quando é preciso repetir a captura. A mensagem deveria apontar um problema acionável, como enquadramento incompleto, em vez de apenas exibir “imagem inválida”. O usuário precisa saber como prosseguir.

Do que está visível ao que foi estimado

Eu gostaria de encontrar, no resultado, uma distinção clara entre informação fornecida pela pessoa, característica extraída da imagem e parâmetro estimado pelo modelo. Esses elementos podem aparecer juntos, mas têm origens diferentes.

Se um relatório apresenta uma estimativa, sua descrição deve informar a finalidade e as condições em que pode ser utilizada. Um número com casas decimais não explica, sozinho, a incerteza. A interface precisa comunicar o significado do indicador sem obrigar o usuário a adivinhar o método.

Essa atenção também vale para comparações ao longo do tempo. Uma mudança de versão do modelo pode alterar a forma de calcular um resultado. Guardar a versão e as condições da captura ajuda a investigar diferenças, especialmente quando alguém consulta um histórico de avaliações.

O que seria uma avaliação convincente

Os princípios de boas práticas de aprendizado de máquina apresentados pela FDA apontam para avaliação ao longo do ciclo de vida. No documento de princípios, aparecem representatividade dos dados e separação entre treinamento e teste. A referência não equivale a uma aprovação da Shaped.

Na análise de uma ferramenta específica, eu perguntaria qual resultado foi comparado com qual referência. Também procuraria entender quem participou da avaliação e quais condições ficaram fora dela. Isso ajuda a reconhecer o alcance da evidência sem exigir que uma solução prometa funcionar em qualquer situação.

Um estudo pode responder bem a uma pergunta delimitada e deixar outras em aberto. O relatório do produto deveria permitir essa leitura. A discussão fica mais útil quando um resultado é acompanhado do contexto em que foi obtido.

A experiência com o próprio corpo pede cuidado

Há uma decisão de linguagem em cada gráfico e classificação. Como proposta de design, eu evitaria apresentar mudanças sem explicar seu significado ou criar uma experiência baseada apenas em comparações entre pessoas. O acompanhamento deveria considerar a finalidade definida com os profissionais envolvidos.

A pessoa também precisa compreender o destino das imagens. Quem pode visualizá-las? Por quanto tempo ficam disponíveis? Existe diferença entre guardar a fotografia e guardar um indicador extraído dela? São perguntas que eu levaria à implantação e que merecem respostas acessíveis na interface.

No meu registro do evento, priorizei o banner para ilustrar este artigo. A discussão sobre a tecnologia não exige expor um relatório individual que apareça sobre uma mesa ou presumir que seus dados são fictícios.

Um caminho de teste para o produto

Eu começaria por uma avaliação de uso com casos autorizados e finalidade definida. Observaria a compreensão das instruções, as repetições de captura e a capacidade de interpretar o resultado. A avaliação de precisão ficaria associada ao método e à equipe qualificada para realizá-la.

Depois, acompanharia como o suporte lida com um resultado questionado. A pessoa consegue contestar? A equipe encontra a entrada utilizada e a versão do processamento? Há como explicar ou corrigir o registro? Esse percurso de revisão também faz parte da qualidade.

A proposta da Shaped me interessa por tornar visível a ligação entre imagem e informação. O bom produto precisa manter essa ligação compreensível: mostrar o que recebeu, o que estimou e em quais condições o resultado deve ser interpretado. Essa clareza dá ao usuário e ao profissional uma base melhor para decidir como utilizar a ferramenta.

Fontes e leituras

EN

Ernani Nascimento

Desenvolvimento de sistemas, inteligência artificial, automações, dados e jogos. Um espaço para compartilhar experiências e aprendizados construindo projetos reais.

Conheça o autor ↗

Continue explorando.

DA IDEIA À PRÁTICA

Tem algo em mente?
Vamos construir.

Vamos conversar ↗