“Usando técnicas de inteligência artificial e várias bases de dados a nível local e mundial, foi possível diferenciar a idade biológica da idade cronológica, o que representa uma nova forma de medir o impacto destas doenças crónicas que – de forma direta ou indireta – afetam o cérebro”, avançou hoje a UC, em comunicado.

O estudo apontou que, “nos casos de doença de Alzheimer, o envelhecimento pode chegar a mais de nove anos do que a idade real do doente”.

Maria Fátima Dias, investigadora do Centro de Imagem Biomédica e Investigação Translacional do Instituto de Ciências Nucleares Aplicadas à Saúde da UC e do Centro de Informática e Sistemas da Universidade de Coimbra, é a primeira autora do estudo e foi orientada pelos docentes e investigadores Miguel Castelo-Branco e Paulo de Carvalho.

“A idade cerebral estimada é a idade biológica do cérebro, prevista por modelos que analisam imagens cerebrais. A sua comparação com a idade cronológica (a idade real de uma pessoa, medida em anos) permite indicar se o cérebro envelheceu mais ou menos rapidamente do que o esperado”, explicou Miguel Castelo-Branco.

Segundo o investigador, “um valor positivo de ‘brain age gap’ significa um envelhecimento cerebral acelerado, enquanto um valor negativo é indicador de um cérebro mais jovem do ponto de vista biológico, com envelhecimento retardado”.

Recorrendo a vários modelos de inteligência artificial, foram obtidos mapas que permitiram interpretar que regiões do cérebro mais contribuíam para o cálculo da idade biológica. Foram também estabelecidas métricas que permitiram concluir o impacto médio de cada doença no envelhecimento do cérebro.

“No caso da esquizofrenia o envelhecimento cerebral é de cerca de dois anos, na diabetes tipo 2 é de cinco anos e na doença de Alzheimer atinge os nove anos”, acrescentou o investigador.

Para Miguel Castelo-Branco, as conclusões retiradas deste estudo podem abrir novos caminhos: “será possível usar esta medida como um biomarcador útil no diagnóstico precoce de doenças neurodegenerativas”.

O estudo contou com o envolvimento de investigadores da Faculdade de Medicina da UC, do Centro de Imagem Biomédica e Investigação Translacional, do Instituto de Ciências Nucleares Aplicadas à Saúde, do Centro de Informática e Sistemas da UC e do Laboratório Associado de Sistemas Inteligentes.

NR/HN/Lusa