O envelhecimento populacional global tem imposto desafios complexos aos sistemas de saúde, exigindo atenção urgente para o diagnóstico precoce de condições neurodegenerativas. Diante desse cenário, pesquisadores do Escritório de Grandes Projetos do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), em São Carlos, estão desenvolvendo uma plataforma tecnológica que promete revolucionar a forma como avaliamos a saúde mental de idosos. O projeto de pós-doutorado do Centro para Inteligência Artificial em Gestao de Saúde (ciaGsaúde), financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP), foca na detecção do Comprometimento Cognitivo Leve (MCI), um estágio crítico que antecede demências graves, como a doença de Alzheimer.
Atualmente, estima-se que entre 15% e 20% das pessoas com mais de 65 anos sofram de MCI, sendo que metade desse grupo pode evoluir para um quadro demencial em até cinco anos. Identificar essa transição precocemente é o principal objetivo do trabalho desenvolvido por Roberto Douglas Guimarães de Aquino, que tem como orientador o coordenador do ciaGsaúde, Alexandre Delbem.
A pesquisa é desenvolvida em parceria com centros de pesquisa na área e laboratórios como o Centro de Engenharia Aplicada à Saúde, sediado na Escola de Engenharia de São Carlos (EESC).
Segundo o autor, tradicionalmente, a triagem e o monitoramento do declínio cognitivo dependem de exames neuropsicológicos baseados em papel e caneta, como o Mini-Mental (MMSE) e o Montreal Cognitive Assessment (MoCA). “Embora muito utilizados na prática clínica, esses testes apresentam limitações importantes: são vulneráveis a variáveis socioculturais e educacionais do paciente, dependem de interpretações subjetivas e possuem sensibilidade reduzida para flagrar as formas mais leves e iniciais de comprometimento. O que propomos aqui é uma quebra de paradigma com uma experiência imersiva e dinâmica capaz de medir as reações biológicas exatas do cérebro em milissegundos.”
Sessão única e cruzamento de dados multimodais
Na prática, a avaliação com os pacientes é direta e dinâmica: os participantes são submetidos a uma sessão única de coleta de dados multimodais. Eles realizam a Bateria de Avaliação Cognitiva (CAB) imersiva em ambiente de realidade virtual (desenvolvido na engine Unity 3D) simulando tarefas rotineiras. Enquanto interagem, a atividade cerebral é registrada por eletroencefalograma e os padrões de movimentação ocular são captados por rastreamento ocular. Padrões oculomotores, como o tempo de fixação do olhar, revelam os níveis de alocação de atenção, enquanto as oscilações de ondas cerebrais no EEG indicam o esforço da memória operacional.
Toda essa imensa massa de dados coletada é processada de forma integrada por pipelines avançados de Inteligência Artificial, utilizando tanto modelos de aprendizado de máquina (Machine Learning) quanto redes neurais profundas (Deep Learning). Para garantir um diferencial ético e metodológico, a arquitetura de IA foi desenhada priorizando modelos interpretáveis.
“Ao colocar o paciente em um ambiente virtual controlado, conseguimos extrair biomarcadores digitais preditivos. Mapeamos com precisão a correlação exata entre o estímulo que o idoso vê, a estratégia visual que seus olhos traçam e a resposta neurofisiológica de seu córtex cerebral. A Inteligência Artificial atua como o cérebro analítico cruzando essas informações em tempo real, limpando ruídos e buscando padrões estatísticos associados ao declínio precoce. Mais do que dar uma resposta automatizada se há ou não comprometimento, nosso algoritmo explica o ‘porquê’, gerando um relatório detalhado para apoiar a decisão do médico neurologista”, observa Aquino.
A pesquisa é conduzida sob rígidos critérios éticos e envolve grupos clínicos e voluntários saudáveis de controle, pareados por idade e escolaridade. Todos os dados coletados são armazenados em bancos seguros, mantendo o anonimato dos participantes.
Coordenador do ciaGsaude e orientador de Roberto Douglas Guimarães de Aquino, o também professor do ICMC-USP, Alexandre Delbem, complementa as informações observando que esse trabalho abre portas cruciais no segundo momento para orientar terapias de neuroreabilitação personalizadas, tanto cognitivas quanto motoras, devolvendo independência às pessoas e diminuindo a necessidade de intervenções medicamentosas.
“Além de oferecer uma ferramenta de saúde inovadora para antecipar o diagnóstico e frear a evolução de doenças neurodegenerativas, o projeto reforça o compromisso com a ciência aberta global nessa área. Ao término das validações clínicas, o software de análise integrada, os algoritmos desenvolvidos e os conjuntos de dados (datasets) devidamente anonimizados serão disponibilizados publicamente em código aberto no GitHub, permitindo que cientistas do mundo inteiro colaborem e repliquem a metodologia brasileira”, finalizou. (Raquel Vieira)
