USP testa realidade virtual e IA para detectar declínio cognitivo Por Luís Pereira
5 min de leitura
 |
Uma plataforma que combina realidade virtual, inteligência artificial (IA) e leitura cerebral está sendo desenvolvida no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), em São Carlos. O objetivo é identificar cedo o comprometimento cognitivo leve (CCL) em pessoas com mais de 65 anos, condição que atinge entre 15% e 20% desse grupo. A divulgação do projeto ocorreu em outubro de 2026.
O comprometimento cognitivo leve fica entre o envelhecimento natural e os quadros de demência. Segundo os dados do estudo, 50% dos pacientes diagnosticados com a condição podem evoluir para demências, como a doença de Alzheimer, em até cinco anos. O projeto de pós-doutorado é conduzido desde 2025 pelo pesquisador Roberto Douglas Guimarães de Aquino, sob supervisão do professor Alexandre Cláudio Botazzo Delbem, que coordena o Centro para Inteligência Artificial em Gestão de Saúde (ciaGsaúde).
Siga o Mix Vale no Google e veja nossas notícias primeiro
Sensores e IA medem o cérebro em ambiente virtual
Na plataforma, cada paciente faz uma única sessão de coleta de dados, reunidos a partir de várias fontes. Durante a sessão, o participante passa por uma bateria de testes cognitivos imersivos em um ambiente de realidade virtual, que simula tarefas do dia a dia. Enquanto isso, sensores registram o comportamento e as respostas fisiológicas do organismo.
O tempo em que o olhar permanece fixo em um ponto indica o nível de atenção do idoso. Já as oscilações nas ondas cerebrais mostram o esforço 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.
O processamento dos dados da sessão é integrado e usa quatro recursos técnicos:
Acompanhe: Cruzamento genético faz truta amarela superar linhagem selvagem
- Eletroencefalograma (EEG): equipamento que capta a atividade elétrica do cérebro e as variações das ondas durante a interação com o ambiente virtual.
- Rastreamento do olhar (eye tracking): recurso que acompanha os movimentos oculares e o tempo em que os olhos ficam parados sobre cada estímulo.
- Modelos de aprendizado de máquina e redes neurais profundas: ferramentas de IA que cruzam os dados em tempo real, retiram ruídos das medições e procuram padrões estatísticos de declínio precoce.
- Arquitetura interpretável: estrutura de software que detalha os motivos de cada resultado, para dar suporte técnico à avaliação médica.
Por que os testes de papel e caneta ficam aquém
A criação da ferramenta responde às limitações dos métodos de triagem usados hoje. O acompanhamento do declínio cognitivo costuma usar testes neuropsicológicos aplicados com papel e caneta, como o Miniexame do Estado Mental (Mini-Mental/MMSE) e o Montreal Cognitive Assessment (MoCA). Ambos são ferramentas de avaliação rápida das funções cognitivas.
Esses exames sofrem interferência do nível de escolaridade e do contexto sociocultural de quem é 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.
A arquitetura de IA foi pensada para interpretar os dados e 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.
Validação com voluntários e dados abertos no GitHub
O desenvolvimento acontece no ciaGsaúde, Centro de Pesquisa Aplicada (CPA) financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). O trabalho conta com a parceria de laboratórios como o Centro de Engenharia Aplicada à Saúde, instalado na Escola de Engenharia de São Carlos (EESC-USP).
Leia também: Estudo prevê El Niño com 12 meses de antecedência no Pacífico
Na fase experimental, a equipe compara resultados de grupos clínicos com voluntários saudáveis, o chamado grupo-controle, pareados por faixas de idade e de escolaridade. Os dados das baterias de testes ficam em bancos seguros e passam por anonimização, processo que preserva a identidade dos participantes.
Segundo o professor Alexandre Delbem, a metodologia pode orientar no futuro 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 fim das validações clínicas nem para a liberação pública do sistema.
Concluída a validação médica, toda a estrutura computacional será liberada gratuitamente na plataforma 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.
