A jornada para o diagnóstico do
Transtorno do Espectro Autista (TEA) e do Transtorno do Déficit de Atenção e Hiperatividade (TDAH) é, muitas vezes, longa e angustiante. Em muitos locais, o processo pode levar meses, até mesmo 18 meses, como é o caso em algumas regiões dos Estados Unidos [1]. Essa demora é crítica, pois o diagnóstico precoce é fundamental para o início de intervenções terapêuticas eficazes. A boa notícia é que a ciência está avançando rapidamente, e uma nova pesquisa interdisciplinar está utilizando o poder da Inteligência Artificial (IA) para transformar esse cenário, prometendo um diagnóstico mais rápido
e preciso.
O Desafio do Diagnóstico no Espectro
Atualmente, o diagnóstico de TEA e TDAH é primariamente clínico. Ele se baseia na observação de comportamentos e na
análise de questionários e entrevistas que avaliam sintomas como dificuldades de comunicação, hiperatividade ou padrões de comportamento repetitivos [1].
A complexidade reside no fato de que ambos são classificados como "transtornos do espectro", o que significa que a manifestação dos sintomas é extremamente heterogênea, variando amplamente de pessoa para pessoa. Essa subjetividade e a ausência de testes biológicos ou quantitativos amplamente disponíveis tornam o processo demorado e dependente da experiência clínica do profissional.
A Inovação:
Biomarcadores de Movimento e a Física
Um
estudo recente, publicado na Nature’s Scientific Reports e conduzido por uma equipe da Universidade de Indiana (IU), liderada pelo professor de Física Jorge José, propõe uma abordagem radicalmente diferente: usar a física e a IA para quantificar o diagnóstico [1].
A chave para essa inovação reside na
identificação de "biomarcadores de movimento". Estes são micromovimentos sutis do
corpo, imperceptíveis ao olho nu, que se manifestam de forma diferente em indivíduos neurotípicos e neurodivergentes.
A metodologia da pesquisa é engenhosa:
1.
Coleta
de Dados: Sensores cinemáticos
Bluetooth de alta definição são acoplados aos participantes.
2.
Registro: Os sensores registram centenas de imagens de
micromovimentos por segundo, capturando dados de velocidade, aceleração e rotação.
3.
O Achado: A análise revelou que pacientes com TEA
ou TDAH apresentam um movimento mensuravelmente mais aleatório
ou esporádico do que seus pares neurotípicos [1].
|
|
Indivíduo Neurotípico |
Indivíduo com TEA/TDAH |
|
Padrão |
Mais previsível e coordenado |
Mais aleatório e esporádico |
|
Mensuração |
Menor grau de aleatoriedade |
Maior grau de aleatoriedade |
|
Correlação |
Não aplicável |
Correlacionado à gravidade do transtorno |
O Papel do Deep Learning
Para processar essa imensa quantidade de dados de movimento, a equipe utilizou o Aprendizado Profundo (Deep Learning), uma subárea
da Inteligência Artificial. O Deep Learning permitiu à IA analisar os dados brutos
de movimento de participantes com TEA, TDAH, comorbidade (TEA e TDAH juntos) e desenvolvimento neurotípico [1].
O grande diferencial dessa tecnologia não é apenas acelerar o diagnóstico, mas também quantificar a severidade do transtorno.
"Ao estudar as estatísticas das flutuações de
movimento, invisíveis a olho nu, podemos avaliar a severidade de um transtorno em termos de um novo conjunto de biometrias.
Nenhum
psiquiatra pode atualmente dizer o quão séria é uma condição" — Jorge José, Professor Distinto da IU [1].
O potencial é imenso: a técnica
demonstrou ser capaz de avaliar o transtorno em apenas 15 minutos.
Implicações Práticas e o Futuro do Cuidado
É crucial ressaltar que essa abordagem de IA não visa substituir o papel insubstituível de psiquiatras e clínicos. Em vez disso, ela atua como uma ferramenta auxiliar poderosa, oferecendo um novo nível de objetividade e rapidez.
Para Pais e Educadores:
• Triagem Rápida: A ferramenta pode ser usada em
escolas ou clínicas para identificar rapidamente crianças que necessitam de avaliação mais aprofundada, garantindo que o cuidado chegue
mais cedo a quem mais precisa.
• Intervenção Precoce:
A redução drástica no tempo de espera para o diagnóstico significa que as terapias podem começar mais cedo, maximizando o potencial de desenvolvimento da criança.
Para Profissionais de Saúde:
•
Personalização do Tratamento:
A capacidade de quantificar a
severidade do transtorno permite que os provedores de saúde
ajustem os tratamentos
de forma mais minuciosa e personalizada.
Para casos de gravidade
moderada, por exemplo,
o tratamento pode se tornar menos exigente e, em alguns
casos, realizado em casa, tornando o cuidado mais acessível e acessível
[1].
Em suma, a fusão da física, da
neurociência e da Inteligência Artificial está pavimentando o caminho para uma nova era no
diagnóstico de transtornos do neurodesenvolvimento. É um avanço que promete não apenas velocidade, mas também a precisão necessária para garantir que cada indivíduo receba o apoio e a intervenção mais adequados à sua necessidade.
 |
Referências
[1] IU
News. Artificial intelligence used to improve
speed and accuracy
of autism and ADHD
diagnoses. Publicado em 10 de julho
de 2025. Disponível em: https://news.iu.edu/live/news/46177-artificial-intelligence-used-to-improve-speed-and
