Doenças neurológicas e psiquiátricas são fundamentalmente doenças de circuitos — condições em que os padrões normais de atividade neural são perturbados por morte celular, disfunção sináptica, variantes genéticas ou mudanças estruturais. Entendê-las computacionalmente requer conectar a patologia molecular à dinâmica de circuitos ao fenótipo clínico.
Este capítulo examina as principais condições neurológicas pela lente da neurociência computacional: o que dá errado biologicamente, como é a assinatura computacional e como as abordagens orientadas por dados estão mudando o diagnóstico e o tratamento.
Epilepsia: Sincronia Descontrolada
A epilepsia é caracterizada por convulsões recorrentes — episódios de atividade neural anormal, excessiva ou síncrona. O cérebro passa de disparo heterogêneo normal para hiperssincronia patológica.
O Framework de Desequilíbrio E/I
A função cerebral normal depende de um equilíbrio rígido entre excitação (E) e inibição (I). A epilepsia representa um desequilíbrio E>I:
- Perda de interneurônios GABAérgicos (reduz a inibição)
- Mutações do receptor GABA-A que reduzem a condutância inibitória
- Mutações de ganho de função em canais de Na⁺ dependentes de voltagem (aumenta a excitabilidade)
- Perda de função do canal K⁺ (reduz a repolarização)
Uma vez que um foco de atividade hiperssincrônica é estabelecido, ele pode se propagar para recrutar circuitos vizinhos — o fenômeno de "kindling".
Assinaturas Computacionais
EEG durante convulsões mostra padrões característicos:
- Início focal: oscilações de alta frequência (HFOs) a 80–250 Hz no foco de convulsão (ripples e fast ripples) — detectáveis antes da convulsão clínica
- Propagação de convulsão: complexos rítmicos de pico-e-onda se espalhando pelos canais
- Convulsões de ausência: pico-e-onda generalizado a 3 Hz
Predição de convulsão: é possível prever uma convulsão antes que ela aconteça? O EEG mostra mudanças pré-ictais 10–60 minutos antes do início da convulsão — mudanças na sincronia, conectividade e composição espectral. Classificadores de ML treinados nessas características podem prever convulsões em alguns pacientes com ~80% de sensibilidade. Dispositivos implantáveis (RNS System, NeuroPace) monitoram continuamente o EEG e entregam estimulação direcionada para abortar convulsões em desenvolvimento.
Localização do foco de convulsão: para epilepsia resistente a medicamentos, a ressecção cirúrgica do foco de convulsão pode ser curativa. Localizar o foco requer EEG intracraniano com cobertura densa; métodos computacionais para localização de fonte e análise de conectividade melhoram o planejamento cirúrgico.
Doença de Parkinson: Dopamina, Oscilações e Movimento
A doença de Parkinson (DP) é a segunda doença neurodegenerativa mais comum (~1% das pessoas >60 anos). Sintomas motores cardinais: tremor (em repouso), rigidez, bradicinesia (lentidão de movimento) e instabilidade postural.
Fisiopatologia
A DP é causada pela degeneração progressiva dos neurônios dopaminérgicos na substância negra pars compacta (SNc) que projetam para o estriado. O sinal de dopamina modula os circuitos dos gânglios basais; sua perda perturba o equilíbrio normal da via direta (facilitação do movimento) e indireta (supressão do movimento).
Agregação de alfa-sinucleína (corpos de Lewy) é o marco patológico. A proteína se dobra incorretamente e forma oligômeros e fibrilas tóxicas que se espalham pelo cérebro de maneira semelhante a príons ao longo de anos antes que os sintomas clínicos emirjam.
A Assinatura de Oscilação Beta
Uma descoberta computacional fundamental: a depleção de dopamina na DP causa sincronização excessiva na banda de frequência beta (13–30 Hz) nos gânglios basais e córtex motor. Essa sincronia beta patológica correlaciona-se com a gravidade dos sintomas motores:
- Maior poder beta → pior bradicinesia
- O tratamento com L-DOPA reduz o poder beta → melhora dos sintomas
- A estimulação cerebral profunda (DBS) do núcleo subtalâmico (STN) reduz a sincronia beta → melhora motora
As oscilações beta na DP são mensuráveis a partir de potenciais de campo local registrados através de eletrodos DBS — permitindo DBS adaptativa (estimulação de malha fechada disparada quando o poder beta excede um limiar), que fornece melhor controle dos sintomas com menos estimulação.
Modelos Computacionais dos Gânglios Basais
O circuito dos gânglios basais foi extensivamente modelado:
- Modelos de taxa: modelam as taxas de disparo de cada núcleo; reproduzem o framework de "via direta/indireta"
- Modelos de rede de spikes: reproduzem oscilações beta da interação de neurônios STN e GPe
- Modelos de aprendizado por reforço: mapeiam sinais de dopamina para erros de previsão TD; explicam a seleção de ação e o aprendizado de recompensa
Esses modelos fazem previsões sobre intervenções de circuito e guiaram a seleção de alvos de DBS.
Doença de Alzheimer: Agregação de Proteínas e Falha de Rede
A doença de Alzheimer (DA) é a causa mais comum de demência. A perda de memória progressiva, seguida de declínio cognitivo mais amplo, correlaciona-se com a perda sináptica e a neurodegeneração.
Patologia Molecular
Duas características patológicas definidoras:
- Placas amiloides: depósitos extracelulares de peptídeos Aβ (produtos de clivagem do APP). A hipótese da cascata amiloide propõe a agregação de Aβ como o gatilho primário.
- Emaranhados neurofibrilares: agregados intraneuronais de proteína tau hiperfosforilada; os emaranhados de tau correlacionam-se melhor com o declínio cognitivo do que a carga amiloide.
Os medicamentos atuais para DA visando Aβ (lecanemabe, donanemabe) reduzem a carga amiloide e desaceleram modestamente o declínio cognitivo — as primeiras terapias modificadoras da doença, embora os benefícios clínicos sejam modestos.
Patologia de Rede
A DA segue uma progressão anatômica previsível (estágios de Braak para tau; o amiloide se espalha de forma diferente):
- A tau começa no córtex entorrinal → hipocampo → córtex de associação → córtex primário
- O hipocampo e os circuitos de memória são preferencialmente afetados precocemente → perda de memória episódica como sintoma apresentante
Biomarcadores de EEG da DA:
- Lentificação do EEG (aumento de teta/delta, diminuição de alfa/beta)
- Complexidade reduzida do EEG (entropia aproximada, entropia amostral)
- Oscilações gama perturbadas (possivelmente devido à perda de interneurônios parvalbumin)
- Conectividade funcional alterada
Biomarcadores de fMRI: a rede de modo padrão (RMP) mostra conectividade anormal no CCL (comprometimento cognitivo leve) e DA. As regiões da RMP se sobrepõem substancialmente com regiões de acumulação de amiloide — sugerindo que processos patológicos visam especificamente a rede metabolicamente mais ativa.
Abordagens Computacionais na DA
Análise de imageamento PET: PET de amiloide (florbetapir, PiB) e PET de tau (flortaucipir) quantificam agregados de proteínas in vivo. Modelos de aprendizado profundo que classificam scans PET podem detectar DA anos antes do diagnóstico clínico.
Genômica: GWAS identificou ~80 loci de risco para DA. APOE ε4 é o fator de risco genético mais forte (razão de chances ~3–4 para uma cópia; ~12 para duas cópias). Pontuações de risco multipoligênico combinando todas as variantes preveem a probabilidade da doença.
Biomarcadores digitais: análise de fala, análise de marcha e testes cognitivos digitais mostram mudanças anos antes do diagnóstico — monitoramento não invasivo e escalável.
Esclerose Múltipla: Substância Branca e Condução
A esclerose múltipla (EM) é uma doença autoimune em que a mielina é atacada por células T autorreativas, perturbando a condução nos tratos de substância branca. O cérebro depende da mielinização para condução axonal rápida e confiável; a desmielinização causa falha de condução, lentidão ou bloqueio.
Impacto Computacional
A consequência computacional primária da desmielinização:
- A velocidade de condução diminui de ~120 m/s (mielinizado) para ~0,5–2 m/s (não mielinizado)
- Período refratário aumentado → não consegue manter altas taxas de disparo
- Bloqueio de condução em frequências mais altas → fadiga com atividade sustentada
Detecção e monitoramento de lesões: as lesões T2-FLAIR de MRI mapeiam o dano à substância branca. Algoritmos automáticos de segmentação de lesões (SAMSEG, variantes U-Net) quantificam a carga de lesões e acompanham a progressão.
Imageamento de tensor de difusão (DTI): mede a anisotropia de difusão da água como proxy para a integridade do trato de substância branca. FA (anisotropia fracionada) reduzida nos principais tratos precede a formação de lesões e correlaciona-se com incapacidade.
Depressão e Condições Psiquiátricas: Desregulação de Circuitos
O transtorno depressivo maior (TDM) não tem uma patologia estrutural clara — é uma condição de desregulação de circuitos:
- Hiperatividade da amígdala (respostas emocionais exageradas)
- Hipoatividade do córtex pré-frontal medial (regulação emocional reduzida)
- Rede de modo padrão perturbada
- Neurogênese hipocampal reduzida (reversível com antidepressivos)
Biomarcadores computacionais para depressão:
- Assimetria alfa frontal do EEG: alfa frontal esquerdo mais alto (menos atividade frontal esquerda) está associado à depressão e ao afeto negativo
- Coerência teta-alfa do EEG: coerência teta frontal com oscilações alfa prevê a resposta a antidepressivos
- Conectividade da rede de modo padrão por fMRI: prevê resposta à TCC vs. medicação
Decodificação Neural Clínica e Biomarcadores
Em todas as condições neurológicas, aparece o mesmo desafio computacional: extrair informações clinicamente significativas de sinais neurais.
Desenvolvimento de biomarcadores: identificar características nos dados neurais que se correlacionam com o estado da doença, trajetória ou resposta ao tratamento. Considerações-chave:
- Sensibilidade e especificidade (análise ROC)
- Confiabilidade entre sessões e indivíduos (confiabilidade teste-reteste)
- Validade biológica (plausibilidade mecanística)
- Viabilidade clínica (EEG wearable, monitoramento em casa)
Fenótipo digital: smartphones e wearables geram dados comportamentais contínuos (fala, marcha, sono, interação social) que codificam o estado neurológico. O monitoramento passivo sem visitas clínicas permite o rastreamento longitudinal em escala — atualmente sendo validado em Parkinson's, Alzheimer's e condições psiquiátricas.
Terapias de malha fechada: a convergência de sensoriamento e estimulação permite terapias que se adaptam em tempo real ao estado neural. DBS com estimulação adaptativa acionada por beta para DP é o exemplo clínico mais avançado. A estimulação de corrente alternada transcraniana (tACS) em frequências gama está sendo investigada para Alzheimer's (visando déficits de gama a 40 Hz). O campo está avançando de programações fixas para intervenções de malha fechada guiadas por biomarcadores.
Para profissionais computacionais neste campo, as habilidades centrais são: processamento de sinais de séries temporais neurais, aprendizado de máquina para desenvolvimento de biomarcadores, design de ensaios clínicos para validação e compreensão do caminho translacional de descobertas de pesquisa para ferramentas clínicas aprovadas.