Projeto premiado no Regeneron Science Talent Search reforça o papel da retina como janela para o sistema nervoso central e amplia o debate sobre oculômica na prática oftalmológica
Um estudante do ensino médio nos Estados Unidos desenvolveu uma ferramenta de inteligência artificial capaz de identificar sinais de transtorno do espectro autista (TEA) e de transtorno de déficit de atenção e hiperatividade (TDAH) a partir de imagens da retina. Edward Kang, de 17 anos, aluno da Bergen County Academies, em Nova Jersey, apresentou o projeto no Regeneron Science Talent Search 2026, uma das competições científicas mais tradicionais para jovens pesquisadores nos Estados Unidos, e ficou em segundo lugar, com premiação de 175 mil dólares.
A ferramenta, batizada de RetinaMind, atingiu cerca de 89% de acurácia ao classificar imagens retinianas como neurotípicas ou compatíveis com TEA ou TDAH. Para a oftalmologia, o caso chama atenção não apenas pelo resultado, mas pelo caminho metodológico percorrido, que uniu aprendizado de máquina, biologia celular e um esforço deliberado de explicabilidade do modelo.
O ponto de partida: um estudo sobre retina e autismo
Segundo relatos à imprensa americana, Kang chegou ao tema durante uma pesquisa escolar, ao encontrar um estudo de pesquisadores da Chinese University of Hong Kong que já associava padrões retinianos ao diagnóstico de autismo. A partir dessa referência, ele decidiu construir e testar seus próprios modelos de aprendizado profundo, usando um grande banco de imagens de retina disponível publicamente.
Ensemble learning e explicabilidade como diferenciais
Para melhorar a performance, Kang recorreu a ensemble learning, técnica em que vários modelos analisam a mesma imagem de forma independente e suas previsões são combinadas em um resultado final. Segundo o próprio autor, essa abordagem tende a produzir resultados mais estáveis do que um único classificador isolado.
Outro elemento central do projeto é o uso de GradCAM, método de inteligência artificial explicável que gera mapas de calor sobre a imagem original, destacando as regiões da retina que mais influenciaram a decisão do modelo. Na prática, isso significa que o sistema não entrega apenas um rótulo diagnóstico, mas também uma indicação visual de onde, na retina, estariam as diferenças estruturais associadas a cada condição.
Da inteligência artificial à bancada de laboratório
O diferencial mais citado por especialistas é a tentativa de conectar o achado computacional a uma base biológica. Desde 2024, Kang também trabalha com um modelo celular in vitro para investigar quais genes poderiam explicar as diferenças retinianas observadas em quadros de autismo, replicando parte dos resultados em um segundo modelo celular. Para a organização Society for Science, promotora da competição, esse esforço de validação biológica foi um dos pontos mais valorizados pelos jurados, ao lado da robustez do modelo de inteligência artificial.
Por que isso interessa ao oftalmologista
O caso se soma a um movimento mais amplo, conhecido como oculômica, que investiga a retina como fonte de biomarcadores para condições sistêmicas e neurológicas, muito além das doenças oculares tradicionais. Exames de rotina, como a fotografia de fundo de olho e a tomografia de coerência óptica, já vêm sendo estudados como possíveis janelas de triagem para quadros neurodegenerativos e, agora, também para transtornos do neurodesenvolvimento.
Ainda que o TEA e o TDAH afetem milhões de crianças nos Estados Unidos e o diagnóstico costume depender de avaliação clínica especializada, muitas vezes com longas filas de espera, a proposta de usar um exame oftalmológico de rotina como possível ferramenta de triagem inicial é o que tem atraído atenção de veículos como Smithsonian Magazine e Inc. O próprio Kang pondera que o objetivo não é substituir a avaliação clínica, e sim apontar, com custo baixo e não invasivo, quais pacientes poderiam se beneficiar de investigação adicional.
O que ainda falta para a prática clínica
O projeto de Kang é, até o momento, um trabalho de pesquisa em estágio inicial, sem validação em ensaios clínicos multicêntricos, sem aprovação regulatória e sem uso assistencial. Para a comunidade oftalmológica, o valor imediato está menos na aplicação pronta e mais no que o caso ilustra, o crescente interesse por modelos de inteligência artificial explicável aplicados à retina e o potencial da imagem retiniana como biomarcador de condições que, à primeira vista, pouco têm a ver com o olho.
Universo Visual seguirá acompanhando os desdobramentos da oculômica e do uso de inteligência artificial em retina, temas que devem ganhar espaço crescente nos próximos congressos de oftalmologia.
