Pesquisadores da Universidade Federal do Rio Grande do Norte (UFRN) desenvolveram uma nova abordagem para uma triagem precoce do Transtorno do Espectro Autista (TEA). O método utiliza a análise da saliva por meio de bioespectroscopia no infravermelho, associada a técnicas avançadas de análise multivariada, oferecendo uma alternativa promissora e menos invasiva para identificar o TEA em seus estágios iniciais.
Coordenado pelo professor Rodrigo Pegado, do Departamento de Fisioterapia (DFST/UFRN) e conduzido pelo fisioterapeuta João Danyell, o projeto visa desenvolver um algoritmo baseado em dados espectroscópicos que possa auxiliar no diagnóstico de crianças com suspeita de TEA. A coleta e análise estão sendo conduzidas no Núcleo de Educação da Infância (NEI/UFRN), no ambulatório de neuropediatria do Hospital Universitário Onofre Lopes (HUOL), na Divisão de Atenção à Saúde do Servidor (DAS/UFRN), na Maternidade Escola Januário Cicco (MEJC/UFRN) e no DFST.
Leia também: Assú amplia atendimento a autistas e anuncia curso para pais com apoio da Secretaria de Saúde
A técnica utilizada, a bioespectroscopia no infravermelho, é uma abordagem que permite identificar a composição química de amostras biológicas com base na absorção de luz infravermelha por moléculas presentes no material analisado. A partir do espectro gerado, que reflete características moleculares específicas, é possível detectar alterações bioquímicas sutis que possam estar associadas ao TEA. “A bioespectroscopia com saliva é uma técnica não invasiva e adequada para crianças. Com o uso de inteligência artificial, esperamos tornar possível uma triagem precoce e mais precisa”, afirma João Danyell.
A pesquisa envolve um grupo de controle com 200 crianças entre três e 10 anos, sendo 100 com diagnóstico médico de TEA e 100 neurotípicas (sem diagnóstico de TEA). Além da coleta de saliva, os participantes passam por avaliações clínicas, sociodemográficas e fisioterapêuticas, compondo um banco de dados para análise estatística.
Com a combinação da bioespectroscopia e da análise multivariada de dados, o projeto busca desenvolver um algoritmo de triagem capaz de identificar padrões bioquímicos associados ao TEA ainda nos primeiros anos de vida. A proposta tem potencial para transformar o processo de diagnóstico do transtorno, hoje baseado majoritariamente em observações comportamentais, tornando-o mais precoce, objetivo e acessível.
