Pesquisadores da USP desenvolvem plataforma com realidade virtual e inteligência artificial para identificar sinais precoces de comprometimento cognitivo leve. (Foto: Instagram)
Pesquisadores do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo, em São Carlos, desenvolvem uma plataforma que combina realidade virtual, inteligência artificial e análise da atividade cerebral. O objetivo é identificar com mais precisão o comprometimento cognitivo leve (CCL), estágio entre as mudanças cognitivas naturais do envelhecimento e o início de quadros demenciais. A tecnologia busca ampliar as possibilidades de diagnóstico precoce de condições neurodegenerativas.
++ Sistema de IA revela como pessoas comuns estão criando novas fontes de renda online
A plataforma vai além dos testes tradicionais ao observar o comportamento e as respostas cerebrais de participantes durante tarefas em ambientes virtuais. A estimativa é que de 15% a 20% das pessoas com mais de 65 anos tenham CCL, e metade desse grupo possa desenvolver demência, como a doença de Alzheimer, em até 5 anos. Detectar essa possível evolução é o foco 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, financiado pela Fapesp.
++ Madeleine McCann, desaparecida em 2007, aparece mencionada nos arquivos do caso Epstein
O projeto é desenvolvido pelo ciaGsaúde em parceria com centros e laboratórios de pesquisa, entre eles o Centro de Engenharia Aplicada à Saúde, da Escola de Engenharia de São Carlos da USP. Hoje, a triagem e o acompanhamento do declínio cognitivo costumam recorrer a exames neuropsicológicos em papel, como o Miniexame do Estado Mental e o Montreal Cognitive Assessment (MoCA). Segundo Aquino, esses instrumentos podem ser afetados por fatores socioculturais e educacionais, dependem de interpretações subjetivas e têm sensibilidade limitada para alterações iniciais.
A avaliação proposta ocorre em uma única sessão de coleta multimodal. Os participantes realizam tarefas cognitivas imersivas que simulam situações rotineiras, enquanto um eletroencefalograma registra a atividade cerebral e um sistema de rastreamento acompanha os movimentos dos olhos. O tempo de fixação do olhar pode indicar como a atenção é distribuída, enquanto as oscilações das ondas cerebrais ajudam a revelar o esforço da memória operacional.
Modelos de aprendizado de máquina e redes neurais profundas processam conjuntamente os dados, filtrando ruídos e procurando padrões relacionados ao declínio precoce. A equipe priorizou modelos interpretáveis para que o sistema não apenas indique a possibilidade de comprometimento, mas também apresente os fatores que sustentam o resultado. Aquino afirma que a ferramenta poderá gerar relatórios detalhados para auxiliar o neurologista, relacionando estímulos apresentados, estratégias visuais e respostas neurofisiológicas.
A pesquisa segue critérios éticos e inclui grupos clínicos e voluntários saudáveis, pareados por idade e escolaridade. Os dados são mantidos em bancos seguros e anonimizados. Para Alexandre Delbem, os resultados poderão contribuir para terapias de neurorreabilitação cognitivas e motoras personalizadas, além de favorecer a independência dos pacientes e reduzir a necessidade de intervenções medicamentosas. Depois das validações clínicas, a equipe pretende disponibilizar publicamente, em código aberto no GitHub, o software, os algoritmos e conjuntos de dados anonimizados.
