AI Revela Principais Preditores da Saúde Cerebral ao Longo da Vida
Um estudo recente utilizou machine learning para identificar os fatores de saúde e estilo de vida que mais se associam ao desempenho cognitivo ao longo da vida. Analisando dados de 374 adultos, com idades entre 19 e 82 anos, os pesquisadores constataram que a idade, a pressão arterial diastólica e o índice de massa corporal (IMC) são os principais preditores para o sucesso em testes de atenção e velocidade de reação. Embora a dieta e o exercício físico tenham desempenhado um papel menor, eles contribuíram para resultados melhores, especialmente ajudando a mitigar os efeitos de um IMC elevado ou de hipertensão.
Fatos Principais
- Principais Preditores: Idade, pressão arterial diastólica e IMC tiveram a maior influência sobre o desempenho cognitivo.
- Dieta e Exercício: Uma alimentação saudável e a prática de atividade física contribuíram de forma modesta, mas positiva, para o foco e a velocidade de reação.
- Vantagem do Machine Learning: Algoritmos avançados revelaram relações complexas que métodos estatísticos tradicionais podem não detectar.
Publicado no The Journal of Nutrition, o estudo utilizou machine learning para determinar quais variáveis melhor previam a capacidade de uma pessoa completar uma tarefa rapidamente sem se distrair. Os resultados indicaram que, além da idade, a pressão arterial (tanto diastólica quanto sistólica) e o IMC são determinantes cruciais para o desempenho no teste conhecido como “flanker task”, que avalia a função de atenção e controle inibitório.
De acordo com o professor Naiman Khan, da Universidade de Illinois, “esta abordagem baseada em dados possibilita a avaliação simultânea de diversas variáveis para identificar aquelas que se alinham mais estreitamente com o desempenho cognitivo. Métodos estatísticos tradicionais não conseguem abarcar esse nível de complexidade.” O estudo coletou dados abrangentes – desde medidas demográficas e indicadores fisiológicos até padrões alimentares e níveis de atividade física –, proporcionando uma visão completa dos fatores que influenciam a saúde do cérebro.
Pesquisas anteriores já apontaram que a adesão a uma dieta de qualidade – rica em antioxidantes, ácidos graxos ômega-3 e vitaminas – está associada a uma melhor função executiva e velocidade de processamento, especialmente entre adultos mais velhos. Dietas como a DASH, a mediterrânea e a combinação delas, conhecida como dieta MIND, têm mostrado efeitos protetores contra o declínio cognitivo e a demência. Além disso, a prática de atividade física revelou-se um preditor moderado do tempo de reação, sugerindo uma interação com outros fatores do estilo de vida, como a alimentação e o controle do peso.
Este estudo reforça o potencial do machine learning para desenvolver estratégias de intervenção personalizadas, beneficiando tanto populações em idade avançada quanto indivíduos com riscos metabólicos, e aqueles que buscam aprimorar a função cognitiva por meio de mudanças no estilo de vida.
Resumo do Estudo
Contexto
O uso de machine learning em pesquisas de saúde tem crescido, embora sua aplicação na previsão de resultados cognitivos com base em diversos indicadores de saúde ainda seja pouco explorada.
Objetivos
O objetivo foi desenvolver modelos preditivos que usassem fatores de saúde e comportamento para antecipar o desempenho cognitivo, identificando os principais contribuidores à função cerebral e oferecendo insights para intervenções personalizadas.
Métodos
Foram analisados dados de 374 adultos, com idades entre 19 e 82 anos, incluindo informações demográficas, medidas antropométricas, índices alimentares (como o Healthy Eating Index, dieta DASH, dieta mediterrânea e a combinação dos dois), níveis de atividade física e medições de pressão arterial (sistólica e diastólica). O conjunto de dados foi dividido em partes para treinamento e teste, e diversos modelos preditivos – incluindo árvores de decisão, random forest, AdaBoost, XGBoost, entre outros – foram avaliados com validação cruzada e ajuste de hiperparâmetros.
Resultados
O modelo de Random Forest demonstrou o melhor desempenho, apresentando o menor erro médio absoluto (MAE) e o menor erro quadrático médio. A idade foi identificada como a variável mais significativa, seguida pela pressão arterial diastólica, IMC, pressão arterial sistólica e, em menor grau, o índice de uma alimentação saudável. Fatores como etnia e sexo tiveram impacto preditivo mínimo.
Conclusões
Os achados indicam uma forte associação entre idade, pressão arterial e IMC com o desempenho cognitivo, enquanto a qualidade da dieta exerce um efeito mais sutil. Essas descobertas ressaltam o potencial dos modelos de machine learning para orientar intervenções personalizadas e estratégias preventivas voltadas ao declínio cognitivo.
O estudo demonstra como a integração de múltiplos fatores pode oferecer uma visão mais precisa dos elementos que suportam a saúde cerebral ao longo da vida, abrindo caminho para abordagens inovadoras na neurociência nutricional.
