Um estudo recente publicado na revista Frontiers in Neurology apresenta um novo modelo de previsão da idade cerebral baseado em eletroencefalograma (EEG), com potencial aplicação no auxílio ao diagnóstico e acompanhamento do Transtorno do Espectro Autista (TEA) em crianças. A pesquisa destaca a importância de biomarcadores objetivos para avaliar o desenvolvimento cerebral em indivíduos com TEA, condição que afeta o desenvolvimento neurológico e o comportamento social.
O modelo inovador utiliza a técnica de deep learning, especificamente uma rede neural recorrente chamada Gate Recurrent Unit (GRU), para analisar sinais de EEG e estimar a idade cerebral. Os pesquisadores coletaram dados de EEG de 659 crianças saudáveis e 98 crianças diagnosticadas com TEA. Os resultados mostraram uma alta correlação entre a idade cronológica e a idade cerebral prevista pelo modelo no grupo de controle, demonstrando sua precisão. Além disso, o modelo foi capaz de identificar diferenças significativas na idade cerebral entre crianças com TEA e o grupo controle.
A aplicação desse modelo pode ser uma ferramenta valiosa na avaliação clínica do TEA, complementando os métodos diagnósticos tradicionais. Ao fornecer uma medida objetiva do desenvolvimento cerebral, o modelo EEG-Brain AGE pode auxiliar na identificação precoce de alterações no desenvolvimento e no monitoramento da eficácia de intervenções terapêuticas. A pesquisa abre caminho para o desenvolvimento de novas estratégias de diagnóstico e tratamento do TEA, com o objetivo de melhorar a qualidade de vida de crianças e famílias afetadas por essa condição. O uso de EEG, uma técnica não invasiva e acessível, torna o modelo ainda mais promissor para aplicação em larga escala.
Origem: Link