• Um novo algoritmo de aprendizado de máquina (ML) usa inteligência artificial (IA) e EEG da Emotiv para calcular a idade cerebral de uma pessoa.

• Alterações no EEG em estado de repouso de uma pessoa podem sinalizar sinais precoces de doenças degenerativas, como o Alzheimer.

• Os resultados da pesquisa, publicados na Frontiers in Neuroergonomics, oferecem uma abordagem proativa para triagens de saúde cerebral.

Pesquisadores desenvolveram um novo método para calcular a diferença entre a idade cronológica de uma pessoa e a idade cerebral. Este modelo de aprendizado de máquina usa headsets Emotiv Epoc X para medir a atividade elétrica durante o estado de repouso do cérebro (acordado, mas sem uma tarefa a realizar) e a compara com dados estatísticos de adultos saudáveis.

Kounios et al. (2024) treinaram o algoritmo com dados cerebrais do Epoc X coletados de um grupo de participantes presenciais e remotos online, bem como conjuntos de dados de treinamento complementares. No total, o estudo utilizou cinco conjuntos de dados combinados.

Por que a Idade Cerebral Importa?

O cérebro humano está sempre mudando, adicionando novas conexões e reparando as antigas ao longo de nossas vidas. Lesões e doenças podem atrasar ou acelerar a fase de desenvolvimento do cérebro, causando uma "lacuna de idade cerebral". Essas lacunas podem servir como sinais de alerta para doenças relacionadas à idade. Infelizmente, os exames cerebrais costumam ser caros e demorados, sendo realizados apenas quando os sintomas da doença se manifestam.

Os autores propõem que examinar indivíduos no início da meia-idade ou mais jovens aumenta a possibilidade de detectar e tratar distúrbios neurológicos relacionados à idade em suas fases iniciais.

"Nossa abordagem para estimativa da idade cerebral por EEG tem várias aplicações promissoras", observam os autores. "Ela pode ser usada como uma ferramenta de triagem relativamente barata para identificar indivíduos cuja lacuna de idade cerebral sugere a possibilidade de patologia subjacente relacionada à idade, que pode ser acompanhada por testes de diagnóstico específicos. Além disso, devido ao custo relativamente baixo do headset Emotiv Epoc X, a estimativa da idade cerebral por EEG pode ser realizada repetidamente para verificar resultados e detectar mudanças ao longo do tempo."

Este conjunto de dados de idade cerebral também pode ser útil para testar possíveis intervenções para retardar ou reverter o envelhecimento neurológico. Por exemplo, um estudo de 2020 financiado pelo National Institute on Aging descobriu que certos fatores de estilo de vida saudável poderiam reduzir o risco de Alzheimer em 60% (Dhana et al., 2020).

EEG Sem Fio para o Resgate

Kounios e colaboradores elogiaram o Epoc X por ser acessível e de baixo custo. Eles disseram que ele permite que as pessoas estimem sua idade cerebral em casa ou no trabalho. Isso poderia levar a mais pesquisas sobre o declínio cognitivo relacionado à idade e intervenções no estilo de vida para a saúde cognitiva.

Aprender a calcular a idade cerebral também traz outras possibilidades. Por exemplo, existe um grupo de pessoas de 80 e 90 anos chamadas de "superidosos cognitivos" que desafiam as estatísticas. Os superidosos cognitivos têm desempenho de memória semelhante ao de adultos 20 a 30 anos mais jovens. Os estudos atuais visam aprender com esse grupo excepcional de indivíduos e usar essas informações para promover o envelhecimento cerebral saudável.

Os neurocientistas e outros pesquisadores esperam compreender melhor o papel que a dieta, o ambiente, os estilos de vida e a genética desempenham no envelhecimento dos nossos cérebros.

Os autores enfatizam a importância de avaliar a estabilidade de seu modelo de triagem de idade cerebral por um período prolongado de tempo. Pesquisas futuras também são necessárias para validar essas descobertas com uma amostra maior e mais diversa de dados de EEG cerebral.

Referências:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732