Adolescente cria IA que analisa a retina e estima sinais de autismo e TDAH com 89% de precisão
Um estudante de 17 anos desenvolveu uma inteligência artificial que examina fotos da retina para triagem de condições neurológicas antes invisíveis
A retina humana sempre foi estudada como uma janela para doenças oculares. Agora, um adolescente acaba de demonstrar que ela também pode revelar o que acontece nas camadas mais profundas do cérebro. Edward Kang tinha 17 anos quando transformou uma pergunta teórica em um protótipo de inteligência artificial que estima a probabilidade de autismo e Transtorno de Déficit de Atenção e Hiperatividade a partir de uma simples fotografia do fundo do olho. O sistema, batizado de RetinaMind, atingiu 89 por cento de precisão nos primeiros testes e já movimenta discussões sobre o futuro do diagnóstico neurológico infantil.
A história começou de forma quase casual. Durante uma pesquisa escolar, Kang se deparou com um artigo científico que mencionava a possibilidade de imagens da retina conterem assinaturas biológicas do autismo. Enquanto a maioria dos leitores absorveria a informação como uma curiosidade acadêmica, o estudante decidiu ir além. Ele queria construir uma máquina capaz de enxergar esses padrões de forma automatizada. O problema era concreto e nada trivial: Kang não sabia programar. Nunca havia escrito uma linha de código nem frequentado um curso de ciência da computação. Determinado a tirar a ideia do papel, iniciou um processo solitário de aprendizado em inteligência artificial e machine learning, estudando por meio de materiais gratuitos disponíveis na internet e aplicando cada novo conceito diretamente no projeto que tomava forma em seu computador.
Após meses de tentativas, erros e reconstruções, nasceu o RetinaMind. O funcionamento é conceitualmente simples na superfície, mas extremamente sofisticado em sua arquitetura interna. O usuário fornece uma imagem da retina, capturada por câmeras oftalmológicas convencionais. Em segundos, o algoritmo processa a fotografia, analisa padrões estruturais invisíveis ao olho humano e apresenta uma estimativa probabilística dividida em três categorias: Transtorno do Espectro Autista, Transtorno de Déficit de Atenção e Hiperatividade ou desenvolvimento neurológico típico. A taxa de acerto nos testes laboratoriais girou em torno de 89 por cento, número que chamou a atenção de pesquisadores experientes justamente por se tratar de um protótipo inicial, construído fora dos grandes centros de pesquisa e sem acesso a bases de dados governamentais ou hospitalares de grande escala.
O que diferencia o RetinaMind de muitas inteligências artificiais opacas que operam como caixas-pretas é o mecanismo de explicabilidade incorporado ao sistema. A ferramenta não apenas entrega um resultado, mas também destaca visualmente quais regiões da retina foram determinantes para a conclusão algorítmica. Essa camada de transparência é um requisito essencial para que qualquer tecnologia do gênero venha a ser aceita pela comunidade médica, uma vez que permite auditoria, contestação e refinamento contínuo dos critérios utilizados pela máquina. Em termos práticos, o recurso significa que um oftalmologista ou neurologista poderá, no futuro, ver exatamente o que o sistema enxergou e decidir se aquela interpretação faz sentido clínico.
A base biológica que sustenta o projeto é tão relevante quanto o código que o executa. Retina e cérebro compartilham a mesma origem embrionária, derivando ambos do ectoderma neural durante as primeiras semanas de gestação. Essa irmandade tecidual faz com que perturbações no desenvolvimento do sistema nervoso central possam deixar vestígios microscópicos na arquitetura retiniana. São alterações na espessura de camadas celulares, na distribuição de vasos sanguíneos ou na organização de fibras nervosas que escapam completamente ao exame clínico de rotina, mas que uma rede neural treinada é capaz de detectar e correlacionar estatisticamente com diagnósticos neurológicos já confirmados por outras vias.
Kang não se contentou em construir apenas o software. Em uma segunda frente de trabalho, conduzida em laboratório, ele desenvolveu um modelo celular de retina utilizando células-tronco e conseguiu isolar aproximadamente uma dúzia de genes que apresentam expressão diferenciada nos tecidos estudados. Esses genes podem ajudar a explicar, em nível molecular, por que determinadas características retinianas aparecem com maior frequência em pessoas com autismo ou TDAH. A descoberta genética ainda é preliminar e demandará anos de validação independente, mas adiciona uma dimensão mecanicista ao projeto, afastando-o do rótulo de simples exercício computacional e aproximando-o de uma investigação biomédica completa.
É preciso enfatizar que o RetinaMind não realiza diagnósticos e está longe de poder ser utilizado em consultórios ou clínicas. O sistema é, neste momento, um protótipo de triagem que precisará enfrentar todas as etapas regulatórias exigidas para dispositivos médicos baseados em inteligência artificial. Serão necessários estudos clínicos com milhares de participantes, abrangendo diferentes faixas etárias, origens étnicas e condições socioeconômicas, para verificar se a precisão observada nos testes iniciais se mantém em cenários do mundo real. A calibragem do algoritmo para evitar falsos positivos e falsos negativos é um dos maiores desafios técnicos pela frente, já que um resultado equivocado pode gerar ansiedade desnecessária nas famílias ou, no extremo oposto, atrasar ainda mais a busca por avaliação especializada.
Ainda que o caminho até a aplicação clínica seja longo, o potencial de impacto é expressivo. Atualmente, em diversos países, uma criança com suspeita de autismo ou TDAH pode esperar muitos meses até conseguir uma consulta com um neuropediatra. Em regiões com carência de especialistas, a espera frequentemente ultrapassa um ano. Durante esse período, janelas cruciais de intervenção precoce vão se fechando. Uma ferramenta de triagem rápida, não invasiva e de custo relativamente baixo poderia reorganizar esse fluxo, priorizando os casos com maior probabilidade e permitindo que as famílias obtenham encaminhamentos mais ágeis. O exame de fundo de olho, vale lembrar, é um procedimento já amplamente disponível na atenção primária e realizado em questão de minutos, sem necessidade de sedação ou preparo complexo.
O reconhecimento ao trabalho de Kang veio em escala nacional nos Estados Unidos. O projeto conquistou o segundo lugar no Regeneron Science Talent Search, a mais antiga e prestigiada competição científica para estudantes do ensino médio americano. A premiação incluiu um montante de 175 mil dólares, destinado a apoiar a continuidade dos estudos e da pesquisa. Pouco tempo depois, o jovem pesquisador ingressou no Instituto de Tecnologia de Massachusetts, onde passou a ter acesso a laboratórios de ponta, supervisão acadêmica especializada e colaborações com outros cientistas interessados na interseção entre oftalmologia e neurociência computacional.
A trajetória de Edward Kang redefine o imaginário sobre quem pode contribuir para o avanço da ciência. Ele não pertencia a um grande centro de pesquisa quando começou. Não era um programador experiente. Não contava com financiamento público ou privado. Tinha apenas uma pergunta que se recusou a abandonar e a disposição para aprender tudo o que fosse necessário para respondê-la. O RetinaMind não é um ponto de chegada, mas um ponto de partida que sinaliza uma direção promissora: a construção de tecnologias que não substituem médicos, mas expandem sua capacidade de enxergar o que sempre esteve diante dos olhos e ninguém conseguia ver.
Fontes consultadas para esta reportagem:
Society for Science, organização responsável pelo Regeneron Science Talent Search.
Divulgação oficial do projeto RetinaMind por Edward Kang.
Regeneron Science Talent Search, registros da edição com premiação do projeto.
