Com publicação científica
Conexões cerebrais
IA generativa ajuda a montar mapas cerebrais mais completos
Novo modelo conseguiu reconstruir dados sobre fibras nervosas e produziu mapas cerebrais completos a partir de imagens de ressonância magnética por difusão

Divulgação, Escola de Medicina da USC
Sem reconstrução (à esquerda) e após reconstrução de dados com IA generativa (à direita): modelo generativo consegue preencher o sinal perdido, produzindo uma reconstrução mais completa
Por Redação SciAdvances
9 de novembro de 2026, 16:00
Fonte
Áreas
Ciência de Dados, Computação, Engenharia Biomédica, Física Médica, Imagens Médicas, Medicina, Modelagem Matemática, Neurociências, Neurologia, Processamento de Imagens, Simulação Computacional
Compartilhar
Conexões cerebrais
O exame de ressonância magnética por difusão ajuda a rastrear as vias das fibras nervosas no cérebro: trata-se da principal técnica não invasiva capaz de mapear a conectividade estrutural e os feixes de substância branca do cérebro vivo.
A ressonância por difusão rastreia o movimento da água através do tecido cerebral. Como a água tende a se deslocar ao longo das fibras nervosas, os exames revelam as trajetórias dessas fibras e a forma como as diferentes regiões do cérebro se conectam.
Assim, o exame permite realizar reconstrução tridimensional das conexões, avaliação da integridade da substância branca, e ajudar no estudo do conectoma humano, na investigação de patologias neurológicas e também no planejamento cirúrgico.
Mas existe uma limitação: algumas áreas são suscetíveis à perda de sinal, o que causa ‘lacunas’ na imagem.
Avanço: IA generativa pode ‘recuperar lacunas’ das imagens
Cientistas da Escola de Medicina e da Escola de Engenharia da Universidade do Sul da Califórnia (USC), nos EUA, desenvolveram um modelo de inteligência artificial (IA) que ajuda a preencher lacunas em mapas das conexões cerebrais obtidos por meio de ressonância magnética por difusão.
O modelo se concentra no tronco encefálico e na região logo acima dos olhos, duas áreas onde distorções no campo magnético do aparelho de ressonância podem criar lacunas no sinal.
Os cientistas treinaram e testaram o modelo utilizando exames de 1.315 participantes do UK Biobank e 679 participantes do Lifespan Human Connectome Project Aging, dois estudos de grande escala que envolvem, em sua maioria, adultos mais velhos.
O novo modelo, chamado FOD-Diffusion, baseia-se em um tipo de inteligência artificial (IA) generativa conhecida como ‘modelo de difusão’, que cria imagens a partir de um ruído aleatório, que depois vai sendo removido gradualmente.
Segundo o Dr. Shuo Huang, pesquisador de pós-doutorado na Escola de Medicina da USC e primeiro autor do estudo, o novo modelo analisa o tecido íntegro ao redor de cada lacuna e, usando o treinamento com exames que não apresentaram falhas, estima as conexões que estão faltando.
O novo modelo consegue restaurar dados na forma de dezenas de mapas 3D do cérebro, interconectados, para cada exame. Cada mapa captura uma parte do padrão das fibras e, juntos, eles revelam as direções que as fibras seguem em cada ponto. O modelo preenche um mapa de cada vez, recorrendo a todos os outros mapas para garantir continuidade, e utiliza o tecido mapeado ao redor de cada lacuna como referência.
O estudo foi publicado na revista científica Medical Image Analysis.
Novo modelo mostrou estimativas adequadas das conexões cerebrais em lacunas da ressonância magnética
Para testar a efetividade do modelo, os pesquisadores ocultaram partes do tronco encefálico em exames que apresentavam perda mínima de sinal e fizeram a reconstrução com o modelo.
Nos exames de imagem dos participantes dos dois estudos, a restauração dos dados pelo modelo de IA foram robustas e mostram coerência, mesmo nos casos de perda severa de sinal.
Mas os pesquisadores ressaltaram que os dados restaurados constituem apenas estimativas fundamentadas, e não medições recuperadas. Como nenhum exame de difusão em humanos é totalmente isento de distorções, a precisão foi avaliada com base em participantes que apresentavam perda mínima de sinal, em vez de uma referência perfeita.
De qualquer modo, o método ainda requer testes em outros aparelhos e configurações até sua validação final. Neste caso, os novos mapas poderão ajudar os cientistas no estudo mais detalhado sobre como as conexões cerebrais fundamentais se alteram com o envelhecimento e o surgimento de doenças.
Publicidade
Últimos avanços

Roxxania Wang, Universidade McMaster

Cacio Murilo via Shutterstock

Kitreel via Shutterstock
Publicidade
Autores/Pesquisadores Citados
Publicação
Acesse o resumo do artigo científico (em inglês).
Publicidade
Outros avanços

Universidade Politécnica de Madri



