Novos biomarcadores para diagnóstico precoce da demência e o papel da avaliação neuropsicológica

Descubra os novos biomarcadores para diagnóstico precoce da demência, como p-tau181, QSM e inteligência artificial. Saiba por que a avaliação neuropsicológica é essencial para quem apresenta queixas de memória.

DIAGNÓSTICO

Maurcio Maluf Barella

9/15/20253 min ler

O diagnóstico precoce da doença de Alzheimer (DA) e outras demências é um dos maiores desafios da neurologia moderna.

Pesquisas recentes apontam biomarcadores inovadores capazes de detectar alterações neurodegenerativas anos antes dos sintomas, abrindo espaço para terapias preventivas.

Apesar de tais tecnologias ainda não estarem disponíveis no Brasil, elas mostram um futuro promissor para o cuidado clínico.

1⃣ Plasma p-tau181: Marcador Sanguíneo Preciso

Entre os marcadores biológicos, o p-tau181 no plasma desponta como um dos mais robustos. Giacomucci et al. (2025) acompanharam 163 indivíduos com declínio cognitivo subjetivo, comprometimento cognitivo leve (CCL) e Alzheimer, demonstrando que níveis elevados (>2,25 pg/mL) distinguem com alta acurácia aqueles com alterações amiloide-tau. Os “positivos” para p-tau181 apresentaram risco 11 vezes maior de conversão para demência e piora mais rápida da memória

2⃣ Ferro Cerebral e Mapeamento de Suscetibilidade

O mapeamento de suscetibilidade quantitativa (QSM) via ressonância magnética permite avaliar o acúmulo de ferro no cérebro, um fator que potencializa a neurodegeneração.

Chen et al. (2025) mostraram que altos níveis no córtex entorrinal e putâmen aumentam em até três vezes o risco de progressão para CCL, sobretudo quando há positividade para amiloide

3⃣ Inteligência Artificial e Predição do Envelhecimento Saudável

Além de biomarcadores biológicos e de neuroimagem, a inteligência artificial (IA) tem sido usada para antecipar quem apresenta maior risco de declínio cognitivo ou, ao contrário, quem tende a manter um envelhecimento saudável.

Leme et al. (2025) desenvolveram modelos de machine learning a partir de dados de mais de 6.300 adultos do English Longitudinal Study of Ageing, acompanhados por quatro anos. Foram avaliados diferentes algoritmos — árvore de decisão, regressão logística, rede neural e random forest —, sendo este último o que apresentou o melhor desempenho, com área sob a curva ROC de 0,78 e excelente calibração

modelo prediditivo

O modelo analisou mais de 20 variáveis preditoras, destacando-se desempenho físico (teste de levantar da cadeira), atividade física semanal, uso da internet, satisfação com a vida, nível socioeconômico, ausência de dor e obesidade abdominal. As análises com o algoritmo SHAP mostraram que manter mobilidade, força muscular, engajamento social e digital aumenta significativamente a probabilidade de envelhecimento saudável, enquanto sedentarismo, dor persistente, isolamento social e excesso de gordura abdominal contribuem negativamente.

Esses resultados sugerem que, no futuro, modelos de IA poderão complementar exames laboratoriais e de imagem, permitindo avaliar o risco de demência de maneira mais abrangente, combinando fatores clínicos, sociais, funcionais e biológicos. Essa abordagem promete personalizar estratégias preventivas e orientar intervenções para preservar cognição e independência.

4⃣ EEG e Alterações Funcionais Precoces

Pesquisas com eletroencefalografia (EEG) também mostram potencial para identificar mudanças sutis nas redes neurais antes de déficits clínicos evidentes (Attar, 2025)

Perspectivas e Importância da Avaliação Neuropsicológica

A integração de biomarcadores plasmáticos, de imagem, algoritmos de inteligência artificial e testes funcionais representa um novo paradigma para o diagnóstico precoce. No Brasil, enquanto essas ferramentas não chegam, a avaliação neuropsicológica continua sendo o caminho mais seguro para investigar queixas de memória, atenção e linguagem, permitindo orientação terapêutica adequada.

Agende sua avaliação conosco! Detectar cedo é fundamental para preservar autonomia e qualidade de vida.

Referências (ABNT)

ATTAR, E. T. EEG-based characterization of auditory attention and meditation: an ERP and machine learning approach. Frontiers in Human Neuroscience, v. 19, p. 1616456, 2025.

CHEN, L. et al. Susceptibility MRI helps predict mild cognitive impairment onset and cognitive decline in cognitively unimpaired older adults. Radiology, v. 316, n. 3, p. e250513, 2025.

GIACOMUCCI, G. et al. Plasma p-tau181 as a marker of conversion to Alzheimer’s disease dementia and worsening in cognitive functions in subjective cognitive decline and mild cognitive impairment: a longitudinal study. Annals of Clinical and Translational Neurology, p. 1–10, 2025.

LEME, D. E. C. et al. Development of prediction models for healthy ageing in community-dwelling middle-aged and older adults: a longitudinal study using machine learning. Journal of the American Medical Directors Association, 2025.