Pesquisa da USP combina realidade virtual e IA para flagrar declínio cognitivo mais cedo

Um grupo de pesquisadores do Instituto de Ciências Matemáticas e de Computação (ICMC) da USP, em São Carlos, está desenvolvendo uma plataforma que junta realidade virtual, eletroencefalograma e inteligência artificial para pegar sinais de declínio cognitivo antes que os testes de papel e caneta usados hoje no consultório consigam. O projeto é de pós-doutorado de Roberto Douglas Guimarães de Aquino, orientado por Alexandre Delbem, coordenador do Centro para Inteligência Artificial em Gestão de Saúde (ciaGsaúde) da USP, com financiamento da Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP). A informação foi divulgada pelo Medicina S/A, com dados do Jornal da USP.

Para o médico de atenção primária, geriatra ou neurologista que hoje aplica o Mini-Mental ou o Montreal Cognitive Assessment (MoCA) numa consulta de rotina, o recorte interessante não é a promessa de substituir esses testes amanhã. É entender o que essa tecnologia mede que os testes atuais não medem, e em que estágio ela está para saber quando (e se) ela vai aparecer na prática clínica.

O que é o comprometimento cognitivo leve e por que ele pesa na triagem

O alvo da pesquisa é o Comprometimento Cognitivo Leve (CCL), a sigla em inglês é MCI, um estágio intermediário entre o envelhecimento normal e um quadro de demência instalado, como o Alzheimer. Segundo a reportagem, entre 15% e 20% das pessoas com mais de 65 anos têm CCL, e metade desse grupo evolui para demência em até cinco anos.

Isso significa que o paciente que hoje passa no Mini-Mental sem levantar suspeita pode já estar numa janela crítica de intervenção. Quanto mais cedo o médico identifica essa transição, maior a chance de atuar com reabilitação cognitiva e motora antes que o quadro avance, reduzindo a necessidade de medicação mais pesada lá na frente.

Onde o Mini-Mental e o MoCA ainda deixam passar casos

Aquino resume o problema dos testes que já estão na rotina de qualquer consultório:

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.

Roberto Douglas Guimarães de Aquino, pesquisador de pós-doutorado do ciaGsaúde, ICMC-USP

Na prática, um paciente com pouca escolaridade pode errar uma questão do Mini-Mental sem ter nenhum comprometimento real, só porque o teste pressupõe familiaridade com leitura e escrita. O inverso também acontece: alguém com alta escolaridade compensa um déficit real e passa no teste sem problema aparente. Isso é o que a equipe da USP chama de limitação sociocultural do instrumento.

Como a plataforma de realidade virtual e EEG funciona na sessão

A coleta de dados acontece numa sessão única, sem precisar de retorno em vários dias. Nela, o paciente passa por três medições simultâneas:

• Uma bateria de tarefas cognitivas (a CAB, Bateria de Avaliação Cognitiva) rodando em ambiente de realidade virtual feito na engine Unity 3D, simulando situações do dia a dia.
• O registro da atividade elétrica do cérebro por eletroencefalograma (EEG), que mostra o esforço da memória operacional durante a tarefa.
• O rastreamento do movimento dos olhos (eye tracking), que indica para onde e por quanto tempo a atenção do paciente se fixa.

Esses três fluxos de dados alimentam pipelines, ou seja, sequências automatizadas, de aprendizado de máquina e redes neurais profundas que cruzam o estímulo visto, a estratégia visual do olhar e a resposta neurofisiológica do córtex. É esse cruzamento multimodal, e não um teste isolado, que a equipe aposta ser mais sensível a formas leves de comprometimento do que um questionário de papel.

Por que a equipe insistiu em IA explicável, e não numa caixa-preta

Um ponto que interessa diretamente a quem vai assinar o laudo: a arquitetura de IA foi desenhada para ser interpretável. Isso quer dizer que o algoritmo não entrega apenas um resultado binário de "tem" ou "não tem" comprometimento. Aquino descreve o sistema como algo que gera um relatório detalhado explicando o porquê daquele resultado, para apoiar a decisão do neurologista, não substituí-la.

Essa escolha de desenho importa porque um modelo de caixa-preta que apenas classifica paciente como "de risco" sem justificar o critério é difícil de defender numa decisão clínica, e mais difícil ainda de explicar ao próprio paciente ou à família. Um relatório que aponta qual biomarcador pesou mais (tempo de fixação do olhar, oscilação de determinada onda cerebral) dá ao médico algo concreto para discutir e, se for o caso, contestar.

O plano de código aberto e o que ele muda (e não muda) pro consultório comum

A parte que mais interessa a quem não trabalha num grande centro de pesquisa é o plano declarado por Delbem: ao final das validações clínicas, o software de análise, os algoritmos e os conjuntos de dados anonimizados vão para o GitHub, em código aberto, para que outros grupos repliquem a metodologia.

Isso abre, em tese, um caminho para que clínicas e consultórios menores não precisem comprar uma solução proprietária fechada para usar essa abordagem no futuro. Mas é importante separar duas coisas: o software sendo aberto não resolve sozinho o custo do hardware.

A plataforma de hoje usa óculos de realidade virtual, equipamento de eletroencefalograma e sistema de rastreamento ocular, um conjunto que ainda está longe de caber no orçamento de um consultório de uma sala. O que pode baixar com o tempo é o preço de EEGs portáteis e óculos de realidade virtual de consumo com eye tracking embutido, hoje já existentes no mercado para outros fins; o código aberto reduz a barreira de desenvolver o software em cima desse hardware mais barato quando ele existir.

O estágio real da pesquisa: o que ainda falta antes de chegar ao paciente

Nada aqui está pronto para uso clínico. A reportagem descreve um projeto de pós-doutorado em andamento, que envolve grupos clínicos e voluntários saudáveis de controle, pareados por idade e escolaridade, ainda em fase de validação. Não há, no material disponível, data de conclusão do estudo, tamanho final da amostra ou qualquer submissão a órgão regulador como a Agência Nacional de Vigilância Sanitária (Anvisa), que seria necessária antes de qualquer ferramenta assim virar produto de uso clínico no Brasil.

Para o médico que lê isso hoje, a conclusão prática é dupla: continue usando Mini-Mental e MoCA como já usa, sabendo das limitações que a própria literatura e a fala de Aquino reconhecem, e acompanhe o repositório do ciaGsaúde (ICMC-USP) para o dia em que o código for publicado, porque aí sim vale avaliar replicar em parceria com um centro de pesquisa.

O dado que essa pesquisa gera é sensível, e a LGPD trata isso como tal

EEG e padrão de movimento ocular são dados biométricos e de saúde, enquadrados como dado sensível pelo artigo 5º, inciso II, da Lei Geral de Proteção de Dados (Lei 13.709, de 14 de agosto de 2018). A reportagem informa que a equipe da USP armazena os dados da pesquisa em bancos seguros e mantém o anonimato dos participantes, o que é a prática esperada num estudo sob aprovação de comitê de ética.

Se e quando essa tecnologia sair do laboratório para um consultório, o médico que for operá-la vai precisar de base legal específica para tratar esse tipo de dado sensível do paciente (consentimento específico, ou outra hipótese do artigo 11 da mesma lei), de um fluxo claro sobre onde esses dados ficam armazenados e por quanto tempo, e de cuidado redobrado se a plataforma envolver qualquer processamento em nuvem fora do consultório. Nada disso está resolvido na fase de pesquisa descrita, e é o tipo de pergunta que vale fazer antes de qualquer piloto clínico.

Fonte: Medicina S/A