Cientistas da Universidade Nacional de Seul, na Coreia do Sul, desenvolveram um modelo de inteligência artificial capaz de estimar a idade biológica a partir de fotografias da retina. Publicado na revista científica GeroScience em 17 de setembro de 2026, o trabalho demonstra que pacientes com diagnóstico clínico de diabetes apresentam retinas em média 2,52 anos mais velhas do que pessoas sem a doença.
O algoritmo de aprendizado profundo — técnica de inteligência artificial conhecida em inglês como deep learning, que ensina computadores a reconhecer padrões complexos em grandes volumes de dados — analisa as imagens do fundo de olho para calcular a chamada brecha de idade retiniana (retinal age gap, ou RAG, na sigla em inglês). Essa métrica consiste na diferença matemática exata entre a idade estimada pelo sistema para o tecido ocular e a idade cronológica real do paciente, sem que isso signifique a existência de um relógio biológico físico dentro do olho. “O estudo mostra que podemos utilizar fotografias do fundo de olho e modelos de inteligência artificial para estimar uma idade retiniana e calcular a diferença entre essa idade estimada e a idade cronológica da pessoa. Os autores denominam essa diferença retinal age gap ou brecha de idade retiniana”, explicou em entrevista no dia 19 de outubro de 2026, em tradução livre do espanhol, o médico oftalmologista Álvaro Fernández-Vega Sanz, diretor da unidade de Retina e Vítreo do Instituto Oftalmológico Fernández-Vega, na Espanha.
Confira também: Meta oculta ordens sobre LGPD para chatbot de ajuda do WhatsApp
Treinamento da inteligência artificial com 29.530 imagens de retina
Liderada pela primeira autora Boa Jang, pesquisadora na Coreia do Sul, e pelo autor sênior Kunho Bae, pesquisador do Hospital da Universidade Nacional de Seul, a equipe estruturou um modelo computacional multitarefa a partir de exames oftalmológicos obtidos em um único centro de saúde sul-coreano. Para que o programa aprendesse a identificar os padrões visuais do envelhecimento nos vasos e tecidos oculares, os cientistas alimentaram a ferramenta com dezenas de milhares de registros e dividiram a análise posterior em grupos específicos de pacientes para testar tanto variáveis do cotidiano quanto patologias instaladas.
O conjunto de dados e o desempenho estatístico do algoritmo registraram os seguintes números na pesquisa:
Confira também: DeepSeek é proibida pelo governo dos EUA em agências civis federais
- 29.530 fotografias de fundo de olho utilizadas no treinamento do modelo de inteligência artificial;
- 7.535 participantes na coorte inicial de triagem de saúde que cederam as imagens oculares;
- 5.606 indivíduos avaliados na coorte A, voltada à análise de estilo de vida, condições sistêmicas e fatores socioeconômicos;
- 1.810 pacientes analisados na coorte B, dedicada exclusivamente ao cruzamento com doenças oculares;
- 2,656 anos de erro absoluto médio (margem de erro na previsão da idade pelo algoritmo) nos testes da coorte A;
- 2,529 anos de erro absoluto médio registrado pelo sistema na avaliação da coorte B.
Efeitos do diabetes, do tabagismo e da catarata na idade da retina
De acordo com Álvaro Fernández-Vega Sanz, um resultado positivo no cálculo da brecha indica que a estrutura ocular daquela pessoa exibe marcas visuais que o computador associa a uma faixa etária superior à idade de registro civil. Na avaliação da coorte A, o diabetes clínico mostrou o impacto mais acentuado sobre o indicador, mantendo a elevação média de 2,52 anos (cerca de 2,5 anos) na idade retiniana mesmo depois de os cientistas aplicarem todos os ajustes estatísticos para isolar outras variáveis. O hábito de fumar também deixou sinais mensuráveis: fumantes ativos tiveram uma brecha de idade retiniana 0,50 ano maior do que pessoas que nunca fumaram, ao passo que ex-fumantes registraram um índice 0,46 ano acima do grupo de não fumantes, reflexo dos processos oxidativos e vasculares provocados pelo tabaco na microcirculação do olho.
Na direção oposta, o cruzamento de dados socioeconômicos e civis apontou que participantes casados apresentaram uma redução média de 0,46 ano na brecha de idade da retina. Outras condições médicas frequentes na população adulta, como hipertensão arterial, hiperlipidemia (aumento de gorduras como colesterol e triglicerídeos no sangue) e glaucoma, também passaram pelos testes da equipe sul-coreana, mas não demonstraram associação estatisticamente significativa com o envelhecimento estimado pela ferramenta.
Quando os pesquisadores examinaram as patologias oftalmológicas reunidas na coorte B, pacientes com degeneração macular relacionada à idade tiveram uma elevação média de 0,60 ano no indicador em relação aos controles normais, enquanto olhos diagnosticados com catarata registraram idade retiniana estimada em 1,86 ano acima do esperado. Os próprios autores do artigo, contudo, ressaltam que o número ligado à catarata deve ser interpretado com cautela, uma vez que a doença deixa o cristalino opaco e reduz a nitidez da fotografia de fundo de olho; assim, o salto de 1,86 ano pode refletir apenas a imagem embaçada captada pela câmera, e não um desgaste biológico real do tecido da retina.
A oculômica como alternativa rápida aos exames de DNA e neuroimagem
O interesse médico em medir o ritmo de envelhecimento do organismo pelo olho decorre das barreiras financeiras e operacionais dos métodos tradicionais disponíveis nos laboratórios. Biomarcadores moleculares de idade biológica já consolidados, a exemplo dos relógios epigenéticos baseados na metilação de DNA, dependem de coleta invasiva de amostras biológicas e de um processamento laboratorial caro, enquanto exames de neuroimagem, como a ressonância magnética cerebral, exigem equipamentos de alto custo que inviabilizam o rastreamento em massa. Como a retina concentra tecido nervoso e microcirculação visíveis diretamente através da pupila, a fotografia ocular associada a algoritmos surge como opção rápida, barata e não invasiva para observar vasos sanguíneos e estruturas neuronais.
Essa abordagem integra a chamada oculômica, especialidade médica que une exames de imagem ocular e programas de computador para rastrear sinais precoces de enfermidades em outras partes do corpo, incluindo acidente vascular cerebral, Alzheimer e Parkinson. “A investigação em oculômica está estudando se as imagens de retina podem aportar informação sobre doenças cardiovasculares, cerebrovasculares, renais, metabólicas e neurodegenerativas. As técnicas atuais incluem fotografia de fundo de olho, tomografia de coerência óptica (OCT) e angiografia OCT, combinadas cada vez mais com inteligência artificial. Isso não significa que uma fotografia de retina possa diagnosticar por si só todas essas doenças. Significa que estamos investigando se determinados padrões podem funcionar como biomarcadores de risco”, afirmou Álvaro Fernández-Vega Sanz, em tradução livre.
Limitações no consultório e próximos passos da pesquisa
No artigo publicado na GeroScience, o grupo da Universidade Nacional de Seul sugere três frentes práticas para o uso futuro da tecnologia: a aplicação dos exames de imagem como triagem populacional rápida em larga escala, a identificação de alertas sistêmicos durante consultas oftalmológicas de rotina para encaminhar o paciente a avaliações cardiovasculares ou metabólicas e o acompanhamento de medições repetidas no mesmo indivíduo ao longo dos anos para verificar o efeito de tratamentos e mudanças de hábitos. Enquanto essas ferramentas seguem em fase de pesquisa, a prevenção da perda visual por agravos ligados à idade e ao metabolismo — como retinopatia diabética, catarata e glaucoma — continua dependendo das revisões oftalmológicas periódicas convencionais.
Tanto os cientistas sul-coreanos quanto o diretor do Instituto Oftalmológico Fernández-Vega alertam que os resultados atuais comprovam apenas correlações estatísticas em uma população específica, sem provar relação de causa e efeito nem autorizar o uso isolado do software para fechar diagnósticos individuais no consultório. “Se isso reflete o envelhecimento biológico requer validação longitudinal em comparação com biomarcadores de envelhecimento estabelecidos; no momento, a RAG se adapta melhor à caracterização em nível populacional do que à estratificação de risco em nível individual”, declararam Boa Jang, Kunho Bae e os coautores no estudo, em tradução livre do inglês, estabelecendo os testes prospectivos de longo prazo como a próxima etapa obrigatória da investigação.