USP lança VR com IA para detectar declínio cognitivo em idosos

Inteligência Artificial

Nova plataforma une realidade virtual e IA para identificar sinais iniciais de declínio cognitivo em idosos.

Leia também: Bancos dos EUA bloqueiam IA em contas para evitar fraudes hoje

Pesquisadores do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, estão testando uma plataforma que usa realidade virtual e inteligência artificial para detectar precocemente o comprometimento cognitivo leve (MCI) em idosos, fase que pode anteceder demências graves e abrir janela para intervenções mais eficazes.

Realidade virtual no lugar do “papel e caneta”

O projeto integra o pós-doutorado de Roberto Douglas Guimarães de Aquino, sob supervisão do professor Alexandre Delbem, do ICMC-USP, que coordena o Centro para Inteligência Artificial em Gestão de Saúde (ciaGsaúde). A pesquisa é financiada pela FAPESP e realizada em parceria com o Centro de Engenharia Aplicada à Saúde da Escola de Engenharia de São Carlos (EESC) da USP.

Em vez de apenas responder testes tradicionais como Mini-Mental (MMSE) e MoCA, os idosos colocam óculos de realidade virtual e entram em um ambiente imersivo, desenvolvido na engine Unity 3D, que simula tarefas do dia a dia. Ao mesmo tempo, usam um capacete de eletroencefalograma (EEG) e um equipamento de rastreamento ocular, que monitoram em tempo real a atividade cerebral e o movimento dos olhos.

Esses exames clássicos seguem úteis na rotina clínica, mas, para Aquino, já não respondem sozinhos ao desafio do envelhecimento populacional. “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”, afirma o pesquisador. A ideia da equipe é justamente “quebrar o paradigma” e levar a avaliação cognitiva para um ambiente controlado e mensurável ao milissegundo.

Como funciona o exame imersivo

Na prática, o idoso participa de uma única sessão de coleta de dados multimodais. Ele realiza uma bateria de avaliação cognitiva (CAB) imersiva, que inclui tarefas que exigem atenção, memória e planejamento em um cenário virtual. Enquanto desempenha essas atividades, o rastreador ocular registra padrões oculomotores, como o tempo de fixação do olhar em cada ponto da cena, o que indica como a atenção é distribuída.

Em paralelo, o EEG registra oscilações de ondas cerebrais associadas ao esforço da memória operacional e de outras funções cognitivas. Toda essa massa de dados — olhar, tempo de reação, padrões de navegação no ambiente virtual e sinais neurais — é enviada para pipelines automatizados de inteligência artificial.

Essas pipelines combinam técnicas de machine learning e deep learning, em uma arquitetura pensada para ser interpretável, e não uma “caixa-preta”. “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”, explica Aquino. “Mais do que dar uma resposta automatizada se há ou não comprometimento, nosso algoritmo explica o ‘porquê’, gerando um relatório detalhado para apoiar a decisão do médico neurologista.”

Entenda o contexto

O comprometimento cognitivo leve é um estado intermediário entre o envelhecimento considerado normal e quadros demenciais. Estimativas usadas pelos pesquisadores indicam que entre 15% e 20% das pessoas com mais de 65 anos apresentam MCI, e que cerca de metade desse grupo pode evoluir para demência em até cinco anos.

Detectar quem está nesse limiar é um desafio porque os sintomas podem ser sutis e se confundirem com “esquecimentos comuns da idade”. Testes baseados em perguntas e desenhos, como os mais utilizados hoje, sofrem influência forte da escolaridade, da cultura e até do humor do paciente no dia do atendimento, além de dependerem da interpretação do profissional. Isso pode atrasar o diagnóstico justamente nos casos em estágio inicial.

Ao medir diretamente respostas neurofisiológicas e oculomotoras em situações simuladas de vida real, a plataforma da USP busca oferecer um retrato mais objetivo do funcionamento cognitivo, com potencial para flagrar alterações antes que prejudiquem de forma clara o cotidiano do idoso.

Biomarcadores digitais e apoio à decisão médica

Um dos focos do projeto é transformar esse conjunto de sinais em biomarcadores digitais — indicadores quantificáveis do desempenho cognitivo — que possam ser usados de forma rotineiro por neurologistas e geriatras. A inteligência artificial analisa os dados em busca de padrões estatísticos associados ao declínio precoce, limpando ruídos e cruzando múltiplas variáveis.

Segundo Aquino, o diferencial está na transparência dos modelos. Em vez de apenas rotular o paciente como “com MCI” ou “sem MCI”, o sistema destaca quais aspectos do comportamento visual, do tempo de resposta ou da atividade cerebral pesaram mais na classificação, o que ajuda o médico a entender e discutir o caso com o paciente e a família.

A pesquisa envolve tanto grupos clínicos — pacientes com suspeita ou diagnóstico de comprometimento cognitivo — quanto voluntários saudáveis de controle, pareados por idade e escolaridade. Todos os dados são armazenados em bancos seguros, com anonimização das informações pessoais, seguindo protocolos éticos aprovados.

Perspectivas para tratamento e políticas públicas

Além de apoiar o diagnóstico precoce, a equipe vê na plataforma um caminho para personalizar tratamentos. “Esse trabalho abre portas cruciais em um segundo momento para orientar terapias de neuroreabilitação personalizadas, tanto cognitivas quanto motoras, devolvendo independência às pessoas e diminuindo a necessidade de intervenções medicamentosas”, afirma Alexandre Delbem.

Com relatórios detalhados sobre quais funções cognitivas estão mais comprometidas e como elas se manifestam em tarefas práticas, médicos e terapeutas poderão ajustar exercícios, frequência das sessões e metas de reabilitação caso a caso, em vez de seguir protocolos genéricos.

Os pesquisadores esperam que, depois da validação em grupos maiores e de testes em ambientes hospitalares e ambulatoriais, a tecnologia possa influenciar programas de saúde voltados ao envelhecimento saudável, ajudando a planejar ações de prevenção, monitoramento e cuidado de longo prazo. Em um cenário em que o número de idosos cresce rapidamente e as demências tendem a pressionar sistemas de saúde e famílias, ferramentas para “ganhar tempo” sobre a doença são vistas como estratégicas.

Desafios para chegar à rede de saúde

A adoção em larga escala depende, porém, de fatores que vão além do laboratório. A plataforma exige infraestrutura especializada — como óculos de realidade virtual, EEG, rastreadores oculares e computadores de alto desempenho — e profissionais treinados tanto para conduzir os exames quanto para interpretar relatórios baseados em inteligência artificial.

Regiões com menos recursos podem ter dificuldades para incorporar a tecnologia no curto prazo, o que levanta o debate sobre desigualdade de acesso. Outro ponto sensível é a proteção de dados: apesar da anonimização e de bancos seguros, a manipulação de informações de saúde e sinais cerebrais exige políticas rígidas de segurança e governança.

A equipe reforça o compromisso com a ciência aberta. Após a conclusão das validações clínicas, a intenção é disponibilizar o software de análise integrada, os algoritmos desenvolvidos e os conjuntos de dados devidamente anonimizados em repositórios públicos, permitindo que grupos do Brasil e do exterior testem, aprimorem e adaptem a metodologia. A aposta é que a colaboração internacional acelere o amadurecimento da tecnologia e ajude a levá-la, no futuro, para além dos grandes centros de pesquisa.