Declínio cognitivo em idosos: realidade virtual e IA ajudam na detecção precoce

Descobrir cedo quando a memória e o raciocínio começam a falhar pode mudar o rumo do tratamento. Pensando nisso, pesquisadores do Escritório de Grandes Projetos do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, desenvolvem uma plataforma que combina realidade virtual e inteligência artificial para identificar sinais de declínio cognitivo em idosos antes que o quadro se agrave.

O trabalho é um projeto de pós-doutorado vinculado ao Centro para Inteligência Artificial em Gestão de Saúde (ciaGsaúde), financiado pela Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). O foco é o Comprometimento Cognitivo Leve (MCI, na sigla em inglês), uma fase crítica que antecede demências graves, como a doença de Alzheimer.

Estima-se que entre 15% e 20% das pessoas com mais de 65 anos tenham MCI, e metade desse grupo pode evoluir para um quadro demencial em até cinco anos. Por isso, identificar essa transição cedo é o principal objetivo do trabalho do pesquisador Roberto Douglas Guimarães de Aquino, orientado pelo professor Alexandre Delbem, coordenador do ciaGsaúde.

Hoje, a triagem costuma depender de testes feitos com papel e caneta, como o Mini-Mental (MMSE) e o Montreal Cognitive Assessment (MoCA). Esses exames são muito usados na prática clínica, mas podem sofrer influência de fatores socioculturais e educacionais, exigem interpretação subjetiva e nem sempre percebem as formas mais leves do comprometimento.

A proposta substitui parte dessa avaliação por uma Bateria de Avaliação Cognitiva (CAB) imersiva, desenvolvida na engine Unity 3D, um programa de computador usado para criar ambientes tridimensionais. Nela, o participante realiza tarefas rotineiras em realidade virtual, em uma única sessão de coleta de dados.

Durante essas tarefas, a atividade cerebral é registrada por eletroencefalograma (EEG), e os movimentos dos olhos são acompanhados por rastreamento ocular. Segundo os pesquisadores, o tempo em que o olhar permanece fixo indica como a atenção é distribuída, enquanto as oscilações das ondas cerebrais revelam o esforço da memória operacional.

Todo esse volume de dados é processado por pipelines, sequências automatizadas de etapas, que combinam aprendizado de máquina e redes neurais profundas (Deep Learning). A equipe optou por modelos interpretáveis, capazes de explicar o resultado, e não apenas de apresentar uma resposta pronta.

Na prática, o sistema cruza o que o idoso vê, a estratégia visual dos olhos e a resposta neurofisiológica do córtex em tempo real. Ao final, é gerado um relatório detalhado para apoiar a decisão do médico neurologista.

A pesquisa envolve grupos clínicos e voluntários saudáveis de controle, pareados por idade e escolaridade, e segue critérios éticos rígidos. Os dados são armazenados em bancos seguros, que mantêm o anonimato dos participantes.

Segundo Delbem, em uma segunda etapa, o trabalho pode orientar terapias de neuroreabilitação personalizadas, tanto cognitivas quanto motoras. A expectativa é ajudar a devolver autonomia aos pacientes e reduzir a necessidade de intervenções medicamentosas. Esses desdobramentos, porém, dependem da conclusão das validações clínicas.

Ao final dessas etapas, o software de análise integrada, os algoritmos e os conjuntos de dados anonimizados devem ser publicados em código aberto no GitHub, para que pesquisadores de outros países possam repetir a metodologia. Para quem convive com idosos, o recado é que a avaliação precoce segue sendo um passo decisivo, e sinais como esquecimentos frequentes merecem ser levados a um médico.