Pesquisadores do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), em São Carlos, desenvolvem uma plataforma que une realidade virtual, inteligência artificial (IA) e leitura cerebral para detectar precocemente o comprometimento cognitivo leve (CCL) em idosos. Divulgado em outubro de 2026, o sistema busca identificar a condição que atinge entre 15% e 20% das pessoas com mais de 65 anos.
O comprometimento cognitivo leve representa um estágio intermediário entre o envelhecimento natural e quadros demenciais. Segundo os dados do estudo, 50% dos pacientes diagnosticados com essa condição podem evoluir para demências, como a doença de Alzheimer, no prazo de até cinco anos. O projeto de pós-doutorado é conduzido desde 2025 pelo pesquisador Roberto Douglas Guimarães de Aquino, sob supervisão do professor do ICMC-USP Alexandre Cláudio Botazzo Delbem, que coordena o Centro para Inteligência Artificial em Gestão de Saúde (ciaGsaúde).
Confira também: Cruzamento genético faz truta amarela superar linhagem selvagem
Como funciona a avaliação cognitiva em realidade virtual na USP
Na plataforma em desenvolvimento no ICMC-USP, os pacientes passam por uma sessão única para coleta de dados a partir de múltiplas fontes. O participante realiza uma bateria de testes cognitivos imersivos dentro de um ambiente de realidade virtual que simula tarefas da rotina diária, enquanto sensores registram o comportamento e as respostas fisiológicas do organismo.
Acompanhe: Estudo prevê El Niño com 12 meses de antecedência no Pacífico
A medição do tempo de fixação do olhar mostra os níveis de atenção do idoso, e as oscilações nas ondas cerebrais apontam o esforço exigido da memória operacional durante as tarefas. “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”, afirmou Aquino.
Leia também: Pinturas rupestres de 67.800 anos correm risco com incêndios na Indonésia
O processamento das informações geradas na sessão ocorre de forma integrada e utiliza os seguintes recursos técnicos:
Continue lendo: Vincent van Gogh pintou céu de julho de 1889 em A Noite Estrelada, apontam astrônomos
- Eletroencefalograma (EEG): aparelho que registra a atividade elétrica e as oscilações das ondas cerebrais durante a interação virtual.
- Rastreamento do olhar (eye tracking): tecnologia que capta os padrões de movimentação ocular e o tempo de fixação dos olhos nos estímulos.
- Modelos de aprendizado de máquina e redes neurais profundas: ferramentas de inteligência artificial que cruzam os dados em tempo real, limpam ruídos nas medições e buscam padrões estatísticos de declínio precoce.
- Arquitetura interpretável: desenho de software que detalha os motivos do resultado obtido para dar suporte técnico à avaliação médica.
Limitações dos exames tradicionais em papel e caneta
A criação da ferramenta tecnológica na USP responde às restrições dos métodos convencionais de triagem clínica. Atualmente, o monitoramento do declínio cognitivo utiliza testes neuropsicológicos aplicados em papel e caneta, como o Miniexame do Estado Mental (Mini-Mental/MMSE) e o Montreal Cognitive Assessment (MoCA), ferramentas de avaliação rápida de funções cognitivas.
De acordo com Aquino, esses exames sofrem interferência do nível de escolaridade e do contexto sociocultural do avaliado. “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”, declarou o pesquisador.
Com a arquitetura de inteligência artificial voltada à interpretação dos dados, o sistema da USP evita diagnósticos fechados sem justificativa clínica. “Mais do que dar uma resposta automatizada sobre se há ou não comprometimento, nosso algoritmo explica o ‘porquê’, gerando um relatório detalhado para apoiar a decisão do médico neurologista”, disse Aquino.
Testes com voluntários no ciaGsaúde e código aberto no GitHub
O desenvolvimento da plataforma ocorre dentro do ciaGsaúde, que é um Centro de Pesquisa Aplicada (CPA) financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). O trabalho tem a parceria de laboratórios como o Centro de Engenharia Aplicada à Saúde, instalado na Escola de Engenharia de São Carlos (EESC-USP).
Na fase experimental, a equipe compara resultados de grupos clínicos com voluntários saudáveis que formam o grupo-controle, pareados por faixas de idade e de escolaridade. Todas as informações coletadas nas baterias de testes são guardadas em bancos de dados seguros e passam por processo de anonimização para preservar a identidade dos participantes.
Segundo o professor Alexandre Delbem, a metodologia também tem potencial futuro para orientar terapias personalizadas de neurorreabilitação cognitiva e motora, com foco na autonomia dos pacientes e na redução do uso de medicamentos. Ainda não há data confirmada para o término das validações clínicas nem para a liberação pública do sistema.
Quando a etapa de validação médica for concluída, toda a estrutura computacional será liberada gratuitamente na plataforma de desenvolvimento GitHub. “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 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 colaborem e repliquem a metodologia”, afirmou Delbem.
