Um grupo de 75 pesquisadores de instituições de 15 países identificaram que desigualdades socioeconômicas, poluição e disparidades de saúde estão associados a uma maior idade cerebral, especialmente nas populações da América Latina e Caribe. A pesquisa, que teve a colaboração da USP, usou o método dos “relógios cerebrais” (do inglês, “brain clocks”) para calcular, com base em dados de eletroencefalograma (EEG) e ressonância magnética funcional (RMf) de mais de 5 mil pacientes, a discrepância com a idade cronológica. Os fatores apontados pelo estudo podem levar a um envelhecimento cerebral acelerado e risco aumentado de doenças neurodegenerativas.
Os resultados da pesquisa são apresentados em artigo publicado no site Nature Medicine, do último dia 26 de agosto. “Especificamente, o estudo buscou quantificar a lacuna de idade cerebral, medindo as discrepâncias com a idade cronológica dos participantes, a fim de entender melhor a saúde do cérebro”, explica ao Jornal da USP a neuropsicóloga Maira Okada de Oliveira, uma das pesquisadoras que assinam o artigo, da Faculdade de Medicina da USP (FMUSP). Foram analisados pacientes na Argentina, Brasil, Chile, Colômbia, México, Peru, Cuba, China, Estados Unidos, Escócia, França, Grécia Inglaterra, Irlanda, Itália e Turquia.
O estudo analisou a diversidade e as disparidades no envelhecimento cerebral e na demência em populações geograficamente diversas, usando o conceito de “relógios cerebrais”. “Os ‘relógios cerebrais’ servem como indicadores da saúde cerebral e podem refletir os efeitos de vários fatores, incluindo genética, estilo de vida e influências ambientais no envelhecimento”, relata a pesquisadora.
“O trabalho explorou a influência da diversidade, investigando como fatores geográficos, socioeconômicos, sociodemográficos, sexos e neurodegeneração afetam a lacuna de idade cerebral, especialmente em países da América Latina e do Caribe (LAC) em comparação com países de fora da região”, aponta Maira. “Também criou uma arquitetura de ‘deep learning’ que usa interações de alta ordem entre dados de ressonância magnética funcional (RMf) e eletroencefalograma (EEG) para prever lacunas e ser sensível aos impactos da diversidade”.
“Deep learning” é um tipo de aprendizado de máquina que usa algoritmos para processar e interpretar dados em profundidade. “Esse modelo foi desenvolvido para capturar a diversidade e as disparidades no envelhecimento cerebral e na demência em populações geograficamente diversas”, diz a pesquisadora da USP. “O estudo sugere que, ao integrar dados de diferentes regiões e contextos socioeconômicos, é possível criar ferramentas mais inclusivas e acessíveis para avaliar a saúde cerebral”.