Pesquisadores do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, desenvolvem uma plataforma que reúne realidade virtual, inteligência artificial e leitura da atividade cerebral para identificar o comprometimento cognitivo leve (CCL) em idosos. A Agência Fapesp divulgou o trabalho em 23 de outubro, e o Poder360 o republicou nesta segunda-feira (2). O CCL é o estágio intermediário entre o declínio natural do envelhecimento e o início de quadros demenciais.
Segundo a pesquisa, de 15% a 20% das pessoas com mais de 65 anos têm CCL, e metade desse grupo pode evoluir para demência, como a doença de Alzheimer, em até cinco anos. Detectar essa transição cedo é o objetivo do pós-doutorado de Roberto Douglas Guimarães de Aquino, supervisionado por Alexandre Delbem, professor do ICMC e coordenador do Centro para Inteligência Artificial em Gestão de Saúde (ciaGsaúde), um Centro de Pesquisa Aplicada financiado pela Fapesp.
Uma sessão, três fontes de dados
Hoje, a triagem depende de exames de papel e caneta, como o Miniexame do Estado Mental e o Montreal Cognitive Assessment (MoCA). Aquino afirma que esses testes sofrem influência de fatores socioculturais e de escolaridade, dependem de interpretação subjetiva e têm sensibilidade reduzida para as formas mais iniciais de comprometimento.
No protocolo do ICMC, o paciente passa por uma única sessão. Em ambiente de realidade virtual, ele executa tarefas que simulam atividades rotineiras. Durante a tarefa, um eletroencefalograma registra as ondas cerebrais e um rastreador acompanha o movimento dos olhos. Segundo os pesquisadores, o tempo de fixação do olhar indica como a atenção é distribuída, e as oscilações das ondas cerebrais apontam o esforço da memória operacional.
Os dados alimentam modelos de aprendizado de máquina e redes neurais profundas, que cruzam as informações e buscam padrões estatísticos ligados ao declínio precoce. Aquino chama o resultado de biomarcadores digitais preditivos.
Um algoritmo que explica a resposta
A arquitetura foi desenhada com modelos interpretáveis. De acordo com Aquino, o sistema não entrega só uma resposta automática sobre haver ou não comprometimento: gera um relatório com o motivo, para apoiar a decisão do neurologista. A escolha responde a uma crítica comum à IA em saúde, a de que médicos não conseguem auditar o que o modelo calculou.
O estudo envolve grupos clínicos e voluntários saudáveis, pareados por idade e escolaridade, com dados guardados em bancos seguros e sem identificação dos participantes. A pesquisa tem também a parceria do Centro de Engenharia Aplicada à Saúde, sediado na Escola de Engenharia de São Carlos da USP.
Código aberto só depois da validação clínica
A tecnologia ainda está em fase de pesquisa e não é um exame disponível na rede de saúde. Delbem afirmou que, ao fim das validações clínicas, o software de análise, os algoritmos e os conjuntos de dados anonimizados serão publicados em código aberto no GitHub, para que outros grupos repliquem a metodologia.
Se os resultados se confirmarem, a ferramenta pode reduzir a dependência de testes aplicados com papel e caneta, e Delbem cita ainda o uso futuro para orientar terapias personalizadas de neurorreabilitação, cognitivas e motoras. Para hospitais e planos de saúde, o ganho potencial está em identificar mais cedo quem precisa de acompanhamento. As fontes consultadas não trazem prazo para a validação nem estimativa de custo da sessão.
