Longevity & AgingComunicado de Imprensa

Novo Relógio de Idade Cerebral por EEG Afirma Rastrear e Reverter o Envelhecimento Cognitivo

Uma colaboração entre a Sens.ai e o Buck Institute desenvolveu um modelo funcional de idade cerebral usando dados de EEG — e os resultados preliminares sugerem que ele pode mudar.

terça-feira, 15 de setembro de 2026 2 visualizações
Publicado em Longevity.Technology
Article visualization: New EEG Brain-Age Clock Claims to Track and Reverse Cognitive Aging

Resumo

Pesquisadores da empresa de neurotecnologia Sens.ai e do Buck Institute for Research on Aging desenvolveram o Brain Years, um modelo funcional de idade cerebral construído a partir de sinais de EEG, potenciais evocados e dados de desempenho. Ao contrário dos relógios estruturais baseados em ressonância magnética, o Brain Years mede o que o cérebro é realmente capaz de fazer. O aprendizado de máquina, treinado com dados de pessoas entre a adolescência e o final dos 80 anos, identifica quais combinações de centenas de variáveis neurais melhor preveem a idade cerebral funcional. Dados preliminares de intervenção sugerem uma possível reversão de mais de 5 anos na pontuação de idade cerebral após dois meses, embora os pesquisadores alertem que um ensaio controlado por placebo é necessário para confirmar se a biologia — e não apenas o desempenho nos testes — mudou de fato. A ferramenta tem como objetivo acompanhar a trajetória, e não apenas um instantâneo, oferecendo uma visão mais dinâmica de para onde o cérebro está rumando.

Resumo Detalhado

A maioria dos relógios de envelhecimento mede a biologia em um único momento. Brain Years, desenvolvido pela Sens.ai em colaboração com o Buck Institute for Research on Aging, tenta algo mais ambicioso: uma pontuação funcional de idade cerebral construída a partir de sinais de EEG, potenciais relacionados a eventos e desempenho em tarefas cognitivas do mundo real, capaz de rastrear para onde o cérebro está indo — e se intervenções podem mudar essa trajetória.

O modelo foi treinado com dados coletados fora de ambientes laboratoriais rigidamente controlados, abrangendo usuários desde o início da adolescência até o final dos 80 anos. Como o EEG do mundo real é notoriamente ruidoso, a Sens.ai desenvolveu sensores proprietários e algoritmos de detecção de artefatos para filtrar movimentos, mastigação, fala e piscadas excessivas antes de qualquer aplicação de aprendizado de máquina. A empresa chama isso de problema garbage-in-garbage-out: a IA é tão boa quanto os dados que a alimentam.

O aprendizado de máquina então vasculhou centenas de variáveis neurais para identificar quais combinações se correlacionavam mais fortemente com a idade cronológica e a capacidade funcional. O resultado é uma pontuação que expressa a idade cerebral funcional em relação à idade real da pessoa — apresentada menos como uma leitura fixa de odômetro e mais como uma previsão probabilística da função cerebral atual e da trajetória de curto prazo.

Os dados iniciais de intervenção são intrigantes, mas preliminares. A Sens.ai reporta uma redução média de 5,18 anos na pontuação de Brain Years após uma intervenção de dois meses. O CEO do Buck Institute, Eric Verdin, é cauteloso em sua interpretação, enfatizando que uma mudança genuína no envelhecimento cerebral exige um ensaio prospectivo, controlado por placebo e adequadamente desenhado, para descartar simples melhorias decorrentes da familiaridade com os testes ou do desempenho.

A ambição mais ampla é validar o Brain Years em comparação com outros relógios de envelhecimento — medidas estruturais baseadas em ressonância magnética e relógios proteômicos sanguíneos — e estabelecer se mudanças na pontuação correspondem a alterações significativas na biologia subjacente. Para adultos preocupados com a saúde, uma ferramenta validada de idade cerebral funcional poderia, futuramente, orientar intervenções cognitivas personalizadas com feedback mensurável.

Principais Descobertas

  • Brain Years uses EEG and cognitive task data — not just brain structure — to estimate functional brain age across the lifespan.
  • Machine learning identified which combinations of hundreds of neural variables best predict functional brain age relative to chronological age.
  • Early data suggest a two-month intervention produced a 5.18-year reduction in Brain Years score, pending controlled trial confirmation.
  • Researchers stress a placebo-controlled prospective trial is needed to confirm biology changed, not just test performance.
  • Buck Institute plans to cross-validate Brain Years against MRI-based and blood proteomic aging clocks.

Metodologia

Este é um resumo de reportagem e entrevista baseado em um episódio de podcast com a CEO da Sens.ai, Paola Telfer, e o CEO do Buck Institute, Eric Verdin. Nenhuma publicação revisada por pares é citada; as evidências se baseiam em dados proprietários de intervenção e comentários de especialistas. O valor de reversão de 5,18 anos ainda não foi replicado de forma independente nem publicado em um ensaio clínico controlado.

Limitações do Estudo

Os dados de intervenção são preliminares, não publicados e provenientes de um estudo não randomizado e sem controle, o que torna impossível descartar efeitos de prática ou respostas de placebo. Nenhum artigo revisado por pares descrevendo o modelo Brain Years ou sua validação foi citado, limitando o escrutínio independente de sua metodologia. Os leitores devem aguardar os resultados do ensaio prospectivo controlado por placebo planejado antes de tratar a afirmação de reversão de 5,18 anos como estabelecida.

Gostou deste resumo?

Receba as pesquisas de longevidade mais recentes na sua caixa de entrada toda semana.

Digite seu e-mail para assinar: