Modelo de IA Promete Revolução no Diagnóstico do Alzheimer
Detectar o Alzheimer nos seus estágios iniciais é essencial para retardar a progressão da doença e preservar a autonomia dos pacientes. No entanto, o diagnóstico precoce ainda enfrenta obstáculos importantes: testes de memória tradicionais podem ser subjetivos, e exames mais precisos, como tomografias e exames com contraste, são caros e difíceis de acessar em muitos lugares. Agora, uma nova tecnologia promete mudar esse cenário.
Pesquisadores desenvolveram um sistema inovador chamado FasterSNN, que imita o modo como os neurônios reais funcionam para analisar exames de imagem do cérebro. O modelo foi apresentado por uma equipe de cientistas da China, com o objetivo de tornar o diagnóstico do Alzheimer mais preciso, rápido e acessível.
Diferente das inteligências artificiais tradicionais, que processam todos os dados de uma vez, o FasterSNN funciona por impulsos, como os neurônios do nosso cérebro: ele só reage quando identifica uma informação importante. Isso o torna muito mais eficiente, gastando menos energia e oferecendo resultados mais confiáveis.
Além disso, o sistema consegue identificar diferentes padrões no cérebro em várias “camadas” de informação, permitindo detectar não apenas os casos avançados, mas também sinais sutis que aparecem no início da doença. Tudo isso usando apenas exames de ressonância magnética — que são mais comuns e baratos do que os exames com injeção de contraste ou marcadores moleculares.
Nos testes, o sistema foi capaz de identificar casos de Alzheimer com quase 90% de precisão e ainda detectar com sucesso sinais iniciais da doença. E isso gastando menos de dois joules de energia, valor consideravelmente menor do que o necessário para modelos tradicionais de computador.
Para efeito de comparação, outros sistemas mais conhecidos consumiram dezenas ou até milhares de joules e ainda assim ofereceram resultados menos confiáveis. O FasterSNN também se destacou pelo pouco tempo que leva para ser treinado — algo essencial para que ele possa ser usado em hospitais e clínicas com infraestrutura simples.
Em locais onde o acesso à saúde é limitado, ter uma ferramenta assim pode significar a diferença entre identificar o Alzheimer a tempo ou só perceber quando já é tarde. A capacidade do sistema de funcionar em computadores mais modestos e com um único tipo de exame reduz os custos e amplia a chance de diagnósticos precoces em larga escala.
Outro ponto importante é a transparência. Muitos programas de computador tomam decisões que nem mesmo os médicos conseguem entender. Já o novo modelo consegue indicar claramente quais áreas do cérebro chamaram sua atenção e por quê, o que fortalece a confiança dos profissionais de saúde.
Embora os resultados sejam animadores, os cientistas reconhecem que ainda há espaço para melhorar. No futuro, pretendem integrar diferentes fontes de informação — como exames de sangue, dados de consultas e histórico familiar — para tornar os diagnósticos ainda mais completos. Também trabalham para que o sistema funcione com mais flexibilidade em relação ao tempo e à forma como os dados são apresentados.
Referência: Wu, C., Chen, Y., Du, Y., et al. (2025). Towards Practical Alzheimer’s Disease Diagnosis: A Lightweight and Interpretable Spiking Neural Model. Disponível em: arXiv.org
