Soluções não invasivas de avaliação postural têm sido utilizadas para auxiliar
profissionais no processo avaliativo e no monitoramento da progressão de desvios
posturais. Diferentes ferramentas manuais e baseadas em visão computacional, incluindo
aplicações móveis baseadas em imagens e sensores, ajudam a otimizar o processo de
avaliação postural. No entanto, o desempenho dessas soluções pode apresentar limitações
na demarcação manual os pontos anatômicos, dependentes da experiência do examinador
durante o processo de marcação dos pontos anatômicos. Diante desse contexto, o objetivo
do presente estudo foi desenvolver e validar um sistema móvel de avaliação postural
baseado em imagem (NitLab Measurer – NLMeasurer). NLMeasurer é um aplicativo
móvel para profissionais de saúde capaz de registrar avaliações individuais que são
compostas pela identificação de marcos anatômicos e medidas de ângulo de alinhamento
corporal, identificados a partir de imagens corporais em vista frontal. Este aplicativo foi
desenvolvido usando IONIC Framework e aproveitando a interface de programação
PoseNet, um modelo de visão computacional fornecido pelo TensorFlow.js. Isso inclui a
função singleEstimatePose, usada para estimar a pose humana de uma imagem, usando
marcos anatômicos como referência. O NLMeasurer foi comparado a um software de
biofotogrametria já validado, o Software de Avaliação Postural (SAPO) e os resultados
das análises revelaram que os métodos foram concordantes. Além disso, houve boa
confiabilidade inter e intravaliador para as medidas realizadas, exceto para a ângulo da
cabeça e do tornozelo, nas análises das fotos em que os participantes não estavam usando
marcadores externos. Nesse contexto, entende-se que o NLMeasurer é uma promissora
solução para avaliação postural de forma automatizada, no entanto, orienta-se o uso de
marcadores externos nas orelhas e tornozelos, a fim de aumentar a confiabilidade das
avaliações.