Pesquisas sobre a atividade elétrica da retina e um protótipo de inteligência artificial ampliam as possibilidades de investigar o autismo e o TDAH.
Por Grazi Stratoti
Durante décadas, a investigação dos transtornos do neurodesenvolvimento concentrou-se na observação do comportamento, na história clínica e na avaliação das funções cognitivas. Uma linha de pesquisa passou a buscar informações em uma estrutura aparentemente distante dessas funções: a retina.
Equipes de diferentes países encontraram diferenças na atividade elétrica e nas imagens da retina ao comparar grupos de pessoas com transtorno do espectro autista (TEA), transtorno do déficit de atenção com hiperatividade (TDAH) e grupos de controle. Entre os trabalhos desse campo estão os estudos do pesquisador Paul Constable, da Flinders University, na Austrália, e a RetinaMind, um protótipo de inteligência artificial criado pelo estudante norte-americano Edward Kang.
As investigações partem de uma pergunta comum: até que ponto o funcionamento e a organização da retina oferecem informações sobre o desenvolvimento do cérebro?
A retina e sua ligação com o cérebro
A retina é o tecido neural que reveste a parte posterior do olho. Seus fotorreceptores convertem a luz em sinais elétricos. Circuitos locais processam essa informação, e as células ganglionares a enviam ao cérebro pelo nervo óptico.
Durante o desenvolvimento embrionário, a retina deriva de uma extensão do neuroectoderma do encéfalo em formação. Suas camadas reúnem diferentes tipos de neurônios e conexões sinápticas. Glutamato, GABA e dopamina participam da comunicação e da modulação desses circuitos.
Essa origem e a organização dos circuitos fornecem uma razão para investigar a retina em condições neurológicas e do neurodesenvolvimento. A hipótese é que certas diferenças neuronais, celulares ou vasculares possam ser registradas por exames especializados. A especificidade dessas diferenças precisa ser demonstrada em estudos clínicos.
Paul Constable e as pistas na atividade elétrica da retina
Em maio de 2022, Irene O. Lee, Paul A. Constable e colegas publicaram um estudo no Journal of Neurodevelopmental Disorders com 131 participantes de 5,4 a 27,3 anos. Eram 15 pessoas com TDAH, 57 com TEA e 59 controles. A equipe utilizou o eletrorretinograma, exame que registra a resposta elétrica da retina a estímulos luminosos.
Uma das medidas foi a amplitude da onda b, componente do sinal associado sobretudo à atividade das células bipolares da retina. Em determinada intensidade de estímulo, a amplitude foi maior no grupo com TDAH e menor no grupo com TEA em relação aos controles.
Resultado do estudo. A amplitude da onda b apresentou área sob a curva ROC (AUROC) de 0,88 para distinguir TDAH de TEA naquela amostra. A AUROC resume a capacidade de separar grupos em diferentes limiares de decisão.
Os autores propuseram que diferenças nos circuitos glutamatérgicos e GABAérgicos poderiam contribuir para o padrão observado. O eletrorretinograma registra a atividade dos circuitos e, por si só, não mede a concentração desses neurotransmissores. A amostra com TDAH era pequena, e o estudo excluiu participantes com características clínicas significativas das duas condições simultaneamente.
Em junho de 2022, Constable e colaboradores publicaram uma análise na Frontiers in Neuroscience com 55 participantes com TEA, 15 com TDAH e 156 controles. A equipe aplicou a transformada discreta de wavelets, técnica que decompõe o sinal ao longo do tempo e em diferentes escalas. A análise identificou diferenças em componentes oscilatórios da resposta retiniana, sobretudo na comparação entre TEA e controles. Esses resultados orientam novas investigações sobre os circuitos que geram o sinal.
A inteligência artificial entra na investigação
Em 2020, Maria Lai e colaboradores da Universidade Chinesa de Hong Kong publicaram na eClinicalMedicine um estudo que empregou aprendizado de máquina para analisar fotografias do fundo do olho. Foram recrutadas 46 crianças com TEA e 24 controles. A análise com 23 pares comparáveis por idade e sexo estimou 95,7% de sensibilidade e 91,3% de especificidade no procedimento de validação adotado. O tamanho da amostra limita a precisão dessas estimativas.
Em 2023, pesquisadores ligados à Universidade Yonsei, na Coreia do Sul, publicaram na JAMA Network Open uma análise de 1.890 olhos de 958 participantes, 479 com TEA e 479 controles. Os modelos atingiram AUROC de 1,00 para classificar TEA no conjunto de teste do estudo. A região do disco óptico, onde as fibras do nervo óptico deixam o olho, teve influência nas previsões. Para estimar o desempenho em outros contextos, serão necessários testes em populações independentes e com diferentes protocolos de aquisição.
Em 2025, Hangnyoung Choi e colegas avaliaram fotografias retinianas de crianças e adolescentes em um estudo na npj Digital Medicine. Os modelos obtiveram AUROC de 0,955 a 0,969 ao distinguir TDAH de desenvolvimento típico. A equipe também avaliou a capacidade de distinguir TDAH de TEA. Nessa comparação, a maior AUROC foi de 0,630. O desempenho depende da população e da pergunta que o modelo precisa responder.
Edward Kang e a criação da RetinaMind
Em 2026, Edward Kang, então com 17 anos e estudante da Bergen County Academies, em Nova Jersey, conquistou o segundo lugar no Regeneron Science Talent Search, com prêmio de 175 mil dólares. Seu projeto, RetinaMind, investiga padrões em fotografias retinianas associados ao autismo e ao TDAH.
O estudo de Hong Kong inspirou Kang a começar pela classificação de imagens de retina e a incluir o TDAH em versões posteriores do modelo. O projeto empregou redes neurais convolucionais e combinou previsões de diferentes modelos, estratégia conhecida como ensemble learning. Também explorou mapas de ativação que mostram quais regiões da imagem mais influenciaram a previsão. Esses mapas ajudam a inspecionar o modelo. Sua interpretação biológica exige evidências adicionais.
Segundo reportagem da Smithsonian Magazine, Kang relatou que o protótipo alcançou cerca de 89% de acurácia. A acurácia é a proporção de classificações corretas no conjunto avaliado. Seu significado clínico depende da composição da amostra e do desempenho por classe. A documentação pública consultada descreve um protótipo experimental, e a validação clínica independente permanece em aberto.
Uma investigação que também envolve a genética
Kang desenvolveu modelos celulares retinianos para explorar possíveis diferenças de expressão gênica associadas ao autismo. Na reportagem da Smithsonian, relatou expressão reduzida de ABCA4 em um modelo celular experimental relacionado ao TEA. O gene codifica uma proteína transportadora dos fotorreceptores que participa do processamento de derivados do ciclo visual.
O resultado dá origem a uma hipótese molecular testável. Sua relevância depende de replicação independente e da investigação de alterações semelhantes em pessoas autistas. O experimento celular, por si só, não demonstra que a expressão do gene explique os padrões usados pelo algoritmo.
Dois caminhos científicos para uma mesma pergunta
Constable e seus colaboradores estudaram como os circuitos da retina respondem à luz. Kang investigou quais características de fotografias do fundo do olho ajudam um algoritmo a classificar imagens. As abordagens descrevem dimensões distintas da retina e podem orientar a busca por biomarcadores.
Estudos futuros poderão combinar eletrorretinografia, fotografias de fundo de olho e tomografia de coerência óptica, técnica que permite observar as camadas retinianas. Será preciso verificar se essa combinação oferece informações complementares em uma mesma população e se melhora a avaliação de pacientes em condições reais.
O que falta para chegar à prática clínica?
A avaliação clínica do autismo e do TDAH se baseia na história do desenvolvimento, na investigação dos sintomas, na observação do comportamento e em critérios diagnósticos estabelecidos. Para que um biomarcador retiniano tenha utilidade clínica, ele precisa demonstrar desempenho confiável em populações diversas e acrescentar informação às avaliações já utilizadas.
Os estudos terão de incluir pessoas com TEA e TDAH concomitantes, considerar idade, condições oftalmológicas e diferenças entre equipamentos, além de medir a frequência de falsos positivos e falsos negativos. Também será preciso testar se os padrões aparecem em outras condições neurológicas e do neurodesenvolvimento. A composição da população examinada influencia a probabilidade de um resultado positivo corresponder à condição investigada.
Uma revisão sistemática publicada em 2026 reuniu estudos de tomografia de coerência óptica e de sua modalidade angiográfica em pessoas com TEA. O conjunto aponta diferenças estruturais e vasculares em alguns estudos. A heterogeneidade dos métodos e dos resultados limita as conclusões sobre um padrão retiniano reproduzível.
O futuro da avaliação clínica pode incluir os olhos?
A investigação da retina amplia as perguntas sobre como o desenvolvimento neural se expressa em diferentes tecidos do organismo. Exames retinianos não invasivos poderão, se validados, complementar a avaliação clínica e ajudar a reconhecer mais cedo necessidades de acompanhamento.
Os estudos de eletrorretinografia, os modelos de análise de fotografias e os experimentos celulares permitem investigar a mesma questão em escalas diferentes. Identificar um padrão é uma etapa da pesquisa. Compreender sua origem, sua especificidade e seu significado para uma pessoa será decisivo para saber que lugar a retina poderá ocupar na medicina do neurodesenvolvimento.
Leia também. Em outra aplicação da análise de imagens, veja como a inteligência artificial ajudou a recuperar textos dos papiros de Herculano.
Imagem de destaque: fotografia do fundo do olho esquerdo humano. Ktkvtsh / Wikimedia Commons, licença CC BY-SA 4.0.
Referências científicas e fontes
- Lai M. et al. (2020). Análise de imagens retinianas por aprendizado de máquina no TEA. eClinicalMedicine.
- Lee I. O. et al. (2022). Amplitude da onda b do eletrorretinograma em TDAH e TEA. Journal of Neurodevelopmental Disorders.
- Constable P. A. et al. (2022). Análise do eletrorretinograma por transformada discreta de wavelets em TEA e TDAH. Frontiers in Neuroscience.
- Kim J. H. et al. (2023). Modelos de aprendizado profundo para rastreamento de TEA com fotografias retinianas. JAMA Network Open.
- Choi H. et al. (2025). Imagens de fundo de olho e aprendizado de máquina no rastreamento de TDAH. npj Digital Medicine.
- Society for Science (2026). Edward Kang e o projeto RetinaMind.
- Waseem R. (2026). Entrevista e reportagem sobre a RetinaMind. Smithsonian Magazine.
- Vaquero-Puyuelo D. et al. (2026). Revisão sistemática de estudos de OCT e OCT-A no TEA. International Journal of Psychiatry in Clinical Practice.
- CDC. Orientações sobre diagnóstico clínico de autismo e diagnóstico de TDAH.