Atividade Física Demais Ou De Menos Acelera o Envelhecimento Cerebral

Pesquisadores descobriram que a quantidade de atividade física que fazemos pode influenciar o envelhecimento do cérebro. Usando exames de imagem e dispositivos que medem os movimentos do corpo com precisão, eles viram que tanto pouca quanto muita atividade física podem acelerar o envelhecimento cerebral. A chave está no equilíbrio: fazer uma quantidade moderada de exercícios, em qualquer intensidade, ajuda a manter o cérebro mais jovem e saudável ao longo da vida.

O envelhecimento é um processo natural que afeta cada pessoa de maneira diferente, e isso se deve a uma combinação de fatores genéticos (ou seja, o que herdamos dos nossos pais) e ambientais (como estilo de vida, alimentação, estresse e exposição a poluentes, por exemplo). Dentre todos os órgãos, o cérebro é um dos mais sensíveis aos efeitos do envelhecimento. 

Isso porque sua estrutura muda ao longo da vida, ele encolhe em certas áreas, perde conexões entre os neurônios e pode até funcionar de maneira mais lenta. Essas mudanças não ocorrem da mesma forma em todos. Algumas pessoas mantêm um cérebro mais saudável por mais tempo, enquanto outras apresentam sinais de envelhecimento cerebral mais cedo do que o esperado.

Com base nessas diferenças, cientistas começaram a usar imagens de ressonância magnética para estudar essas alterações estruturais e tentar prever a "idade do cérebro" de uma pessoa. Isso é feito com a ajuda de algoritmos de aprendizado de máquina, um tipo de inteligência artificial treinada para reconhecer padrões, que analisam os dados de milhares de pessoas com diferentes idades. 

Quando o algoritmo consegue estimar a idade de uma pessoa apenas olhando para o seu cérebro, podemos comparar essa “idade cerebral” com a idade real (cronológica). Se o cérebro parecer mais velho do que a idade real, dizemos que houve um envelhecimento cerebral acelerado. A diferença entre essas duas idades é chamada de BAG (Brain Age Gap, ou "lacuna de idade cerebral").

Essa ferramenta de previsão da idade cerebral tem se tornado muito útil para estudar doenças como demência, depressão, esquizofrenia e até risco de morte precoce. No entanto, apesar desses avanços, ainda sabemos pouco sobre como fatores do dia a dia, como dieta, qualidade do sono, educação, tabagismo ou atividade física, influenciam a idade do cérebro. 

Descobrir quais desses fatores podem ser modificados é essencial para que possamos desenvolver formas de prevenir ou retardar o envelhecimento cerebral e manter a saúde mental por mais tempo.

Um desses fatores modificáveis é a atividade física. Diversos estudos já mostraram que pessoas mais ativas tendem a ter cérebros mais saudáveis, com estruturas preservadas, como maior volume do hipocampo (uma região ligada à memória) e da substância cinzenta (onde estão os neurônios). 

Mas a maioria dessas pesquisas usou questionários para medir o quanto as pessoas se exercitam, o que pode não ser tão confiável, afinal, as pessoas nem sempre se lembram corretamente de quanto se exercitaram, ou tendem a superestimar suas atividades. Além disso, pouco se sabe sobre como diferentes intensidades de atividade (leve, moderada ou intensa) afetam o envelhecimento cerebral de forma objetiva.

Para resolver esse problema, cientistas passaram a usar acelerômetros, que são dispositivos pequenos, como relógios de pulso, que registram com precisão o movimento do corpo ao longo de vários dias. 

Isso permite saber exatamente quanto tempo uma pessoa passou se movimentando, com que intensidade e em quais momentos do dia. No estudo descrito aqui, os pesquisadores usaram dados  do UK Biobank, o maior banco de dados do mundo com exames cerebrais e registros de atividade física feita com acelerômetros.

Nesse estudo, foram analisados os dados de quase 17 mil pessoas com exames de ressonância magnética do cérebro e registros de atividade física medidos por acelerômetro ao longo de 7 dias. Para estimar a idade cerebral de cada participante, os cientistas usaram um método de inteligência artificial avançado chamado Light Gradient-Boosting Machine (LightGBM), que é muito eficaz para lidar com grandes volumes de dados e fazer previsões precisas. 

Eles utilizaram mais de 1.400 características do cérebro (como o tamanho de determinadas regiões e sua densidade) para treinar o modelo. Depois, calcularam a diferença entre a idade cerebral estimada e a idade real (a BAG).

Além disso, os pesquisadores dividiram a atividade física dos participantes em quatro categorias: atividade física leve (como caminhar devagar), moderada (como andar em ritmo mais rápido), vigorosa (como correr ou fazer exercício intenso), e uma categoria combinada de moderada a vigorosa. Eles então analisaram se havia uma relação entre a quantidade de tempo gasto em cada uma dessas intensidades e a idade cerebral.

Os resultados foram muito interessantes. O modelo de inteligência artificial teve um desempenho excelente para prever a idade cerebral (com um nível de correlação muito alto entre a idade prevista e a idade real). O mais importante, no entanto, foi o padrão encontrado na relação entre atividade física e idade cerebral: uma curva em formato de U. 

Isso significa que tanto a falta de atividade física quanto o excesso (em qualquer intensidade) estavam associados a uma aceleração do envelhecimento cerebral. Em outras palavras, fazer pouco exercício é ruim, mas fazer demais também pode ser prejudicial. A quantidade ideal parece estar em um nível moderado, que favorece a saúde cerebral e reduz o risco de envelhecimento precoce. 

Além disso, os pesquisadores observaram que a idade cerebral estava relacionada ao desempenho cognitivo (como memória e atenção) e a outros problemas de saúde mental. Isso sugere que manter uma atividade física equilibrada pode não só preservar a estrutura do cérebro, mas também suas funções, ajudando na prevenção de doenças neurológicas e psiquiátricas.

Por fim, este estudo reforça a importância de dispositivos objetivos, como os acelerômetros, para medir a atividade física com precisão. Isso é ainda mais relevante considerando a crescente popularidade de relógios e pulseiras inteligentes, que agora são amplamente acessíveis. 

Esses dispositivos podem ser usados para monitorar e ajustar hábitos de vida de forma personalizada, promovendo um envelhecimento cerebral mais saudável e ajudando na prevenção de distúrbios mentais e cognitivos à medida que envelhecemos.

LEIA MAIS:

Accelerometer-Measured Physical Activity and Neuroimaging-Driven Brain Age

Han Chen, Zhi Cao, Jing Zhang, Dun Li, Yaogang Wang, and Chenjie Xu

Health Data Science. 2 May 2025, Vol 5 Article ID: 0257

DOI: 10.34133/hds.0257

Abstract: 

Background: A neuroimaging-derived biomarker termed the brain age is considered to capture the degree and diversity in the aging process of the brain, serving as a robust indicator of overall brain health. The impact of different levels of physical activity (PA) intensities on brain age is still not fully understood. This study aimed to investigate the associations between accelerometer-measured PA and brain age. Methods: A total of 16,972 eligible participants with both valid T1-weighted neuroimaging and accelerometer data from the UK Biobank was included. Brain age was estimated using an ensemble learning approach called Light Gradient-Boosting Machine (LightGBM). Over 1,400 image-derived phenotypes (IDPs) were initially chosen to undergo data-driven feature selection for brain age prediction. A measure of accelerated brain aging, the brain age gap (BAG) can be derived by subtracting the chronological age from the estimated brain age. A positive BAG indicates accelerated brain aging. PA was measured over a 7-day period using wrist-worn accelerometers, and time spent on light-intensity PA (LPA), moderate-intensity PA (MPA), vigorous-intensity PA (VPA), and moderate- to vigorous-intensity PA (MVPA) was extracted. The generalized additive model was applied to examine the nonlinear association between PA and BAG after adjusting for potential confounders. Results: The brain age estimated by LightGBM achieved an appreciable performance (r = 0.81, mean absolute error [MAE] = 3.65), which was further improved by age bias correction (r = 0.90, MAE = 3.03). We found that LPA (F = 2.47, P = 0.04), MPA (F = 6.49, P < 1 × 10−300), VPA (F = 4.92, P = 2.58 × 10−5), and MVPA (F = 6.45, P < 1 × 10−300) exhibited an approximate U-shaped relationship with BAG, demonstrating that both insufficient and excessive PA levels adversely impact brain aging. Furthermore, mediation analysis suggested that BAG partially mediated the associations between PA and cognitive functions as well as brain-related disorders. Conclusions: Our study revealed a U-shaped association between accelerometer-measured PA and BAG, highlighting that advanced brain health may be attainable through engaging in moderate amounts of objectively measured PA irrespectively of intensities.