Gestão proativa do stress através de previsões com LSTM e reforço profundo

Na vida atual, o stress tornou-se um grande problema devido à carga de trabalho excessiva, à pressão dos estudos e a hábitos de vida pouco saudáveis. Além disso, tem impacto na saúde física. Os sistemas típicos de monitorização do stress são, em grande parte, reativos, o que significa que apenas detetam o stress depois de este ter ocorrido, não podendo, por isso, proporcionar uma intervenção atempada. Neste estudo, propõe-se um modelo proativo de gestão do stress baseado em sinais fisiológicos recolhidos por dispositivos vestíveis e na tomada de decisões inteligente, com o objetivo de prever ou controlar as alterações fisiológicas causadas pelo stress, utilizando esses sinais como entrada para o sistema. O sistema proposto combina três modelos: previsão com Memória de Curto e Longo Prazo Bidirecional (Bi-LSTM), Aprendizagem Profunda por Reforço (DRL) e explicabilidade SHAP, para criar um sistema de apoio à saúde preditivo e adaptativo.