Com Fotografias Da Retina e IA, Cientistas Detectam Alterações Associadas ao Alzheimer

E se um simples exame dos olhos pudesse revelar sinais de risco para Alzheimer quase uma década antes dos sintomas aparecerem? Cientistas usaram inteligência artificial para analisar milhares de fotografias da retina e descobriram pistas surpreendentes escondidas nos olhos.

A doença de Alzheimer é a causa mais comum de demência no mundo e, atualmente, um dos maiores desafios da medicina é identificar quem está em risco antes que os sintomas apareçam. Nas últimas décadas, cientistas descobriram que diversos fatores, como envelhecimento, pressão alta, diabetes, tabagismo, depressão, baixa qualidade do sono e estilo de vida, estão associados ao desenvolvimento da doença.

Agora, uma nova pesquisa sugere que uma simples fotografia da retina, a parte do olho responsável por captar a luz, pode conter pistas importantes sobre esses fatores de risco e talvez até sobre a vulnerabilidade futura ao Alzheimer.

A retina é considerada uma extensão do sistema nervoso central. Em outras palavras, ela faz parte do mesmo tecido que forma o cérebro. Por isso, muitos pesquisadores acreditam que alterações cerebrais podem deixar marcas visíveis nos olhos.

A grande questão era saber se fotografias comuns do fundo do olho seriam capazes de revelar sinais relacionados aos fatores que aumentam o risco de Alzheimer. Para responder essa pergunta, os cientistas recorreram à inteligência artificial.

Os pesquisadores utilizaram quase 63 mil fotografias da retina pertencentes a mais de 44 mil participantes do UK Biobank, um dos maiores bancos de dados biomédicos do mundo. As imagens foram analisadas por modelos de aprendizado profundo, uma forma avançada de inteligência artificial capaz de identificar padrões extremamente sutis que muitas vezes passam despercebidos até mesmo para especialistas humanos.

O objetivo era verificar se a inteligência artificial conseguiria prever, apenas observando os olhos, doze fatores conhecidos por estarem associados ao risco de Alzheimer.

Entre os fatores analisados estavam idade, sexo, índice de massa corporal, níveis de açúcar no sangue, pressão arterial, tabagismo, consumo de álcool, depressão, dificuldades para dormir, condição socioeconômica e idade em que a pessoa concluiu seus estudos. Em vez de procurar diretamente sinais de Alzheimer, os cientistas queriam descobrir se os olhos carregavam informações relacionadas aos fatores que aumentam a probabilidade de desenvolver a doença ao longo da vida.

Os resultados foram surpreendentes. A inteligência artificial conseguiu prever vários desses fatores com um nível de precisão significativo. Em muitos casos, seu desempenho foi superior ao de métodos tradicionais que analisam apenas medidas anatômicas conhecidas da retina. 

Isso sugere que existem padrões complexos escondidos nas imagens que refletem aspectos da saúde geral do organismo e do cérebro. Em outras palavras, os olhos parecem registrar informações sobre o envelhecimento biológico, o estado dos vasos sanguíneos e outros processos que podem influenciar a saúde cerebral.

Para entender como o sistema estava chegando às suas conclusões, os pesquisadores também investigaram quais partes das imagens chamavam mais atenção da inteligência artificial. As análises mostraram que duas regiões eram particularmente importantes: o nervo óptico, responsável por transmitir informações visuais ao cérebro, e os vasos sanguíneos da retina.

Essas estruturas já são conhecidas por refletirem alterações cardiovasculares, metabólicas e neurológicas, o que fortalece a ideia de que a retina pode funcionar como uma espécie de "janela" para a saúde cerebral. 

Em uma etapa adicional, os cientistas compararam pessoas que mais tarde desenvolveram Alzheimer com indivíduos semelhantes que permaneceram sem a doença. As fotografias haviam sido obtidas, em média, mais de oito anos antes do aparecimento dos sintomas. 

Curiosamente, alguns dos padrões identificados pela inteligência artificial eram diferentes entre os dois grupos, sugerindo que certas alterações na retina podem surgir muitos anos antes dos sinais clínicos da doença. Embora o estudo não tenha desenvolvido um teste capaz de diagnosticar Alzheimer, os resultados indicam que os olhos podem conter pistas precoces sobre processos biológicos associados ao risco da doença.

Os autores concluem que fotografias simples do fundo do olho podem revelar informações valiosas sobre fatores de risco ligados ao Alzheimer. Ainda não é possível diagnosticar a doença por meio desse exame, mas a pesquisa abre caminho para o desenvolvimento de ferramentas de triagem rápidas, não invasivas e de baixo custo.

No futuro, um exame oftalmológico de rotina poderá ajudar médicos a identificar pessoas com maior vulnerabilidade ao Alzheimer muitos anos antes dos primeiros sintomas, permitindo intervenções preventivas mais precoces.

LEIA MAIS:

Prediction of Alzheimer’s disease risk factors from retinal images via deep learning: Development and validation of biologically relevant morphological associations in the UK Biobank

Seowung Leem, Yunchao Yang, Adam J. Woods, and Ruogu Fang

Journal of Alzheimer’s Disease. 2026; 0 (0).

DOI:10.1177/13872877261457650

Abstract: 

The systemic, metabolic, lifestyle factors have established associations with Alzheimer's disease (AD) through epidemiologic and AD-specific biomarker studies. Whether colored fundus photography (CFP) contains retinal structural signatures corresponding to these AD-related risk domains remains unclear. To determine whether deep learning (DL) models can predict 12 AD-related risk factors from CFP and to characterize the retinal structures underlying these predictions, thereby assessing whether CFP reflects pathways to AD vulnerability. Using 62,876 CFPs from 44,501 unique participants from the UK Biobank, DL models were trained to predict 12 factors linked to AD pathology or incidence: 6 categorical (sex, smoking, sleeplessness, economic status, alcohol use, depression) and 6 continuous (age, age at completing education, body mass index, systolic, diastolic blood pressure, HbA1c). Model performance, model saliency, and saliency-derived scores (CAM-Score) were evaluated and compared to retinal morphometry. The scores were also compared between incident-AD cases (average 8.55 years before onset) and matched controls. Predictive performance of DL ranged from AUROC between 0.5654 and 0.9480 for categorical factors and R2  between −0.0291 and 0.7620 for continuous factors, outperforming most of the morphometry-based machine learning models. Saliency-based score consistently highlighted biologically meaningful regions, particularly the optic nerve head and retinal vasculature. It also aligned with present morphometric variations. Several saliency-based scores differed significantly between incident AD and matched controls, suggesting potential overlap between retinal correlates of AD-related risk factors and preclinical AD-associated changes. CFP encodes retinal signatures linked to AD risk factors. Although not diagnostic, DL-derived retinal representations may uncover biologically meaningful risk-related structural changes mirroring the potential AD vulnerability.