Classificação baseada em EEG da doença de Alzheimer e demência frontotemporal usando conectividade funcional

Por que os padrões das ondas cerebrais importam

A demência afeta milhões de famílias, mas até médicos podem ter dificuldade em diferenciar suas formas. A doença de Alzheimer e a demência frontotemporal frequentemente se parecem em ambientes clínicos, embora exijam planos de cuidado e ensaios de pesquisa distintos. Este estudo faz uma pergunta simples, porém poderosa: podemos usar um teste cerebral rápido e não invasivo — eletroencefalografia, ou EEG — para ler os padrões de comunicação do cérebro em repouso e ajudar a distinguir essas condições do envelhecimento saudável e entre si?

Olhando para as conversas do cérebro, não apenas para a atividade

O EEG costuma medir a intensidade das ondas cerebrais em diferentes bandas de frequência, como as lentas ondas delta ou as mais rápidas ondas alfa. Aqui, os pesquisadores foram além e examinaram como diferentes partes do cérebro “conversam” entre si. Eles usaram gravações de 88 pessoas: 36 com doença de Alzheimer, 23 com demência frontotemporal e 29 idosos saudáveis. Com 19 eletrodos no couro cabeludo, registraram a atividade cerebral em repouso com os olhos fechados e dividiram cada gravação em muitos segmentos curtos de tempo. Para cada segmento e para várias bandas de frequência, calcularam uma série de medidas de conectividade — descrições matemáticas de quão fortemente diferentes canais de EEG estão ligados no tempo, na frequência e na fase.

Treinando algoritmos para identificar padrões de demência

Para transformar esses mapas de conectividade em previsões, a equipe treinou um grande conjunto de modelos básicos de aprendizado de máquina, cada um focado em uma combinação de banda de frequência e medida de conectividade. Esses modelos base usaram ferramentas matemáticas especializadas para comparar padrões de conectividade entre indivíduos. A saída de todos os modelos base foi então alimentada em um modelo “empilhado” de nível superior que tentou aprender quais combinações de características eram mais informativas. De modo crucial, os pesquisadores avaliaram o desempenho no nível que importa clinicamente: um único diagnóstico por pessoa. Eles usaram um esquema de teste rigoroso que sempre manteve os dados de uma pessoa totalmente separados dos dados de treinamento, reduzindo o risco de resultados excessivamente otimistas devido a vazamento sutil de dados.

O que as ondas cerebrais revelaram — e o que não revelaram

Os padrões de conectividade ajudaram a separar pessoas com demência de voluntários saudáveis. Para Alzheimer versus controles saudáveis, algumas medidas individuais de conectividade alcançaram áreas sob a curva acima de 85%, o que significa que foram razoavelmente boas em ranquear quem tinha a doença. O mesmo ocorreu, embora de forma um pouco mais fraca, para demência frontotemporal versus envelhecimento saudável. Os sinais mais informativos em ambos os casos vieram da banda alfa, um ritmo associado à vigília relaxada que costuma ser perturbado na demência. Em contraste, diferenciar Alzheimer de demência frontotemporal foi muito mais difícil. As melhores medidas para essa tarefa vieram da banda lenta delta e atingiram apenas precisão modesta, sugerindo que as duas doenças compartilham muitas das mesmas perturbações em larga escala de rede nessas gravações de EEG.

Quando mais complexidade não significa melhores respostas

Uma esperança dos métodos em conjunto é que combinar muitos preditores fracos gere um modelo mais forte e confiável. Neste estudo, contudo, o conjunto empilhado não superou as melhores características de conectividade individuais. De fato, os melhores modelos autônomos frequentemente foram ligeiramente melhores. Análises adicionais mostraram que muitos modelos base cometiam tipos semelhantes de erro, de modo que o conjunto tinha informação verdadeiramente nova limitada para explorar. Os autores também testaram diferentes formas de medir distâncias entre matrizes de conectividade, incluindo métodos avançados de geometria de variedade (manifold), mas encontraram pouca vantagem sobre abordagens mais simples para este problema diagnóstico entre pessoas.

O que isso significa para pacientes e clínicos

Para pessoas enfrentando alterações de memória ou comportamento, esses achados oferecem otimismo cauteloso. O EEG em estado de repouso, um exame rápido, barato e amplamente disponível, captura assinaturas significativas da demência em como as regiões cerebrais se conectam umas às outras. Ao mesmo tempo, o trabalho ressalta que matemática sofisticada por si só não pode desconstruir completamente doenças intimamente relacionadas quando os dados são limitados e as alterações cerebrais se sobrepõem. Os autores argumentam que características de EEG cuidadosamente escolhidas e interpretáveis, avaliadas com testes rigorosos a nível de sujeito, podem ser mais confiáveis do que modelos altamente complexos. Eles sugerem que o progresso futuro provavelmente virá da combinação da conectividade do EEG com outros biomarcadores, como imagens cerebrais, exames de sangue e perfis cognitivos, para construir ferramentas mais precisas e confiáveis para diagnosticar diferentes formas de demência.

Citação: Mlinarič, T., Van Den Kerchove, A., Barinaga, Z.I. et al. EEG-based classification of alzheimer’s disease and frontotemporal dementia using functional connectivity. Sci Rep 16, 4903 (2026). https://doi.org/10.1038/s41598-026-35316-9

Palavras-chave: EEG, conectividade funcional, Doença de Alzheimer, demência frontotemporal, aprendizado de máquina