Uma pesquisa da USP usa IA para buscar possíveis biomarcadores do autismo em exames cerebrais — e venceu o Prêmio J.F. Marar. 🧠🧵 O diferencial não é só tentar identificar padrões: é mostrar quais sinais levaram o modelo à conclusão.

Imagem indisponível

O trabalho é de Matheo Angelo Pereira Dantas, do ICMC-USP, e combina fMRI (ressonância magnética funcional), Redes Neurais de Grafos e IA explicável. Uma tríade técnica que tenta responder a uma pergunta essencial: o que o algoritmo realmente “viu”?

A base reuniu cerca de mil exames de fMRI. A técnica observa indiretamente a atividade cerebral pelas mudanças no fluxo sanguíneo. Depois, as regiões do cérebro viram “nós” e suas conexões viram “arestas” — um grafo cerebral.

Imagem indisponível

É aí que entram as GNNs, redes neurais feitas para analisar relações em rede. Em vez de olhar cada área cerebral isoladamente, o modelo avalia padrões de conectividade. Faz sentido: o cérebro funciona menos como uma lista de peças e mais como um sistema integrado.

Mas há um ponto crítico: alta precisão não basta em saúde. Um modelo opaco pode reproduzir vieses da base de dados, confundir correlação com causa ou gerar interpretações exageradas. Explicabilidade não elimina esses riscos, mas permite auditá-los melhor.

Imagem indisponível

Também é importante evitar uma narrativa de “IA que diagnostica autismo pelo cérebro”. O TEA é diverso, e nenhum exame ou algoritmo deveria substituir avaliação clínica qualificada, escuta das pessoas autistas e análise do contexto de cada indivíduo.

O valor da pesquisa está em abrir caminhos para ferramentas mais transparentes e investigáveis — não em prometer um atalho diagnóstico. O próprio Matheo, autista desde os 17 anos, leva uma perspectiva pessoal a uma questão científica complexa.

Imagem indisponível

A melhor IA aplicada à saúde não é a que apenas classifica pessoas: é a que deixa claro seus limites, pode ser verificada por especialistas e amplia o conhecimento sem transformar diversidade neurológica em erro a ser corrigido.