Derivação de um biomarcador intrínseco da atividade cerebral para a previsão mais precoce do declínio cognitivo

Por que mudanças cerebrais precoces importam

Muitos adultos mais velhos percebem lapsos sutis de memória muito antes de qualquer médico conseguir diagnosticar demência. Nessa fase, exames cerebrais e análises de sangue padrão costumam parecer normais, mas o processo patológico subjacente pode já estar em andamento. Este estudo investiga se um teste simples e não invasivo de ondas cerebrais — o eletroencefalograma, ou EEG — pode revelar alterações muito precoces na função cerebral e prever de forma confiável quem tem maior probabilidade de sofrer declínio cognitivo significativo anos depois.

Ouvindo os sinais silenciosos do cérebro

Os pesquisadores focaram em pessoas com “comprometimento cognitivo subjetivo” (CCS): adultos mais velhos que percebem uma queda na memória, mas que ainda apresentam desempenho normal em testes convencionais. Oitenta e oito desses voluntários, com idades entre 52 e 85 anos, tiveram 20 minutos de EEG em repouso registrados com os olhos fechados e foram acompanhados por 5–7 anos. Durante o acompanhamento, médicos monitoraram o estado cognitivo de cada pessoa usando escalas estabelecidas. Ao fim desse período, alguns participantes permaneceram estáveis, enquanto outros progrediram para comprometimento cognitivo leve ou desenvolveram demência. Esses desfechos permitiram à equipe perguntar se padrões sutis no EEG inicial poderiam ter previsto quem se deterioraria posteriormente.

Transformando ondas cerebrais em uma impressão preditiva

Em vez de inspecionar o EEG visualmente, a equipe usou EEG quantitativo (qEEG), que converte as ondas cerebrais brutas em milhares de características numéricas. Essas características capturam quão fortes são diferentes bandas de frequência (como ritmos alfa e teta), quão bem regiões cerebrais distantes se sincronizam entre si (conectividade e defasagem de fase) e quão complexa ou desorganizada a atividade geral parece. Como o envelhecimento normal também altera o EEG, os pesquisadores ajustaram matematicamente todas as características pela idade e, em seguida, as padronizaram para que “zero” representasse o valor esperado para uma pessoa saudável da mesma idade. Para evitar sobreajuste, eles reduziram sistematicamente mais de 6.000 medidas candidatas a um conjunto compacto que fosse estável, não redundante e melhor em separar pessoas que permaneceriam estáveis daquelas que declinariam.

Aprendizado de máquina como bola de cristal

Com esse conjunto reduzido de características, a equipe treinou vários modelos de aprendizado de máquina — regressão logística, máquinas de vetor de suporte e florestas aleatórias — para estimar a probabilidade de declínio futuro de cada participante. Validações cruzadas repetidas e um método bootstrap especializado foram usados para estimar o desempenho da forma mais realista possível. Entre os modelos, a acurácia de previsão ficou em cerca de 80%, com uma área sob a curva característica de funcionamento do receptor (AUC) em torno de 0,90, o que indica forte discriminação entre indivíduos estáveis e em declínio. Os modelos finais travados usaram apenas 14 características de qEEG, em sua maioria derivadas de regiões frontais registradas com um pequeno conjunto de eletrodos, tornando a abordagem prática para uso clínico rotineiro.

O que está mudando no cérebro

As características mais responsáveis pela previsão precisa apontaram para uma ruptura precoce na forma como as áreas cerebrais se comunicam. Medidas de conectividade, especialmente defasagem de fase e assimetria entre as regiões frontais esquerda e direita, foram centrais para o modelo. Anormalidades nas bandas de frequência alfa e teta se destacaram: aumento ou deslocamento da atividade teta foi associado, em outras pesquisas, à atrofia do hipocampo e ao afinamento cortical, enquanto mudanças na potência e na frequência alfa podem refletir as tentativas iniciais do cérebro de compensar danos emergentes. Importante: nenhuma medida isolada de EEG conta toda a história. Foi a combinação específica — a “impressão digital” do biomarcador — que sinalizou risco elevado anos antes do surgimento dos sintomas completos.

Testando a ferramenta no mundo real

Para verificar se seu biomarcador generalizava além do grupo original, os pesquisadores o testaram em duas coortes independentes dos Estados Unidos e da Itália, cada uma com seus próprios equipamentos de registro e características dos pacientes. Como esperado para dados realmente novos, a acurácia caiu modestamente, para cerca de 60–70%, mas o modelo ainda teve desempenho bem melhor que o acaso, sugerindo que o sinal capturado é robusto. A equipe também mostrou que os clínicos poderiam ajustar o limiar de decisão: abaixá‑lo aumenta a sensibilidade (captando mais futuros declinantes ao custo de mais falsos alarmes), enquanto elevá‑lo aumenta a especificidade (menos falsos positivos, mas mais casos perdidos). Essa flexibilidade permite que os provedores adaptem a ferramenta a diferentes prioridades clínicas.

O que isso significa para pacientes e clínicos

Em termos simples, este trabalho sugere que um registro curto e indolor de EEG — usando apenas um punhado de eletrodos sobre a testa — pode ajudar a identificar adultos mais velhos que parecem normais hoje, mas que têm alto risco de declínio cognitivo nos próximos anos. Embora sejam necessários estudos maiores e comparações com outros biomarcadores, a abordagem é barata, não invasiva e repetível, tornando‑a atraente para triagem em larga escala, especialmente em contextos onde imagens avançadas ou testes de líquido cefalorraquidiano são impraticáveis. Se validado adicionalmente, esse tipo de biomarcador baseado em EEG poderia ajudar médicos a intervir mais cedo, monitorar a progressão da doença e selecionar participantes para ensaios clínicos justamente no estágio em que tratamentos têm maior probabilidade de produzir um benefício duradouro.

Citação: Prichep, L.S., Zaidi, S.N., Brink, K. et al. Derivation of an intrinsic brain activity biomarker for the earliest prediction of cognitive decline. Sci Rep 16, 5500 (2026). https://doi.org/10.1038/s41598-026-35144-x

Palavras-chave: previsão precoce de demência, ondas cerebrais EEG, declínio cognitivo subjetivo, biomarcador com aprendizado de máquina, risco de Alzheimer