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 (ICMC) da 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. 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) da USP.
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 professor do ICMC-USP e coordenador do ciaGsaúde, Alexandre Delbem.
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.”
O vídeo demonstra o projeto e auxilia na demonstração das interações reais dos equipamentos.
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, programa de computador) simulando tarefas rotineiras. Enquanto interagem, a atividade cerebral é registrada por eletroencefalograma (EEG) 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 massa de dados coletada é processada de forma integrada por pipelines (sequência de etapas automatizadas) 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 IA 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.
Alexandre Delbem, destaca que esse trabalho abre portas cruciais em um 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.
Matéria: Raquel Vieira | Jornal da USP.
