O histórico de um paciente pode ser o primeiro passo para identificar sinais de Transtorno do Espectro Autista (TEA). Pesquisadores da
Universidade do Estado de Santa Catarina (Udesc) em Joinville (SC), do curso de
Ciência da Computação e do
Programa de Pós-Graduação em Computação Aplicada (PPGCAP), em parceria com a
Federação Unimed Santa Catarina, desenvolveram um modelo de inteligência artificial (IA) que realiza a triagem de possíveis casos de TEA. Com cerca de 90% de precisão, o sistema já está em funcionamento na operadora e pode facilitar o acompanhamento terapêutico de crianças com até oito anos de idade.
Ao contrário de outras pesquisas que recorrem a imagens cerebrais, rastreamento do olhar ou análise de expressões faciais, o estudo da
Udesc Joinville, publicado em
periódico internacional, utiliza apenas dados administrativos para identificar possíveis sinais do Transtorno do Espectro Autista (TEA), como consultas a psicólogo, oftalmologista e neurologista. A hipótese dos pesquisadores é que o histórico de uso do plano de saúde contém padrões capazes de indicar sinais de TEA.
O sistema não substitui o diagnóstico clínico, mas funciona como um mecanismo de alerta que acelera o acesso ao cuidado especializado. A triagem é como um primeiro passo para o direcionamento a avaliações mais complexas que vão confirmar ou não o Transtorno.
Segundo o
Mapa Autismo Brasil, a maior parte da população autista recebe diagnóstico na primeira infância, entre 0 e 4 anos. Ainda assim, a idade média é de 11 anos, o que indica que muitos laudos continuam sendo emitidos apenas nas faixas etárias mais avançadas. O levantamento também mostra que a maioria das pessoas autistas recebe menos suporte terapêutico do que o recomendado.
Para promover melhorias nesse cenário, a pesquisa da Udesc busca estruturar uma “esteira de cuidado” em TEA, explica
Rafael Stubs Parpinelli, professor do PPGCAP e coordenador da pesquisa.
O termo refere-se ao percurso de atendimento oferecido ao paciente, processo no qual a criança é avaliada e encaminhada a especialistas para receber as terapias indicadas e ter seu desenvolvimento acompanhado ao longo do tempo. Otimizar esse fluxo facilita a comunicação entre a equipe multiprofissional e a família, permitindo o ajuste do plano terapêutico conforme a evolução do paciente.
Como funciona
O modelo de IA utiliza 22 variáveis para detectar sinais precoces de TEA. Denominadas pelos autores de variáveis “não diagnósticas”, incluem dados dos pais, dados relacionados à gestação e histórico de consulta da criança (pediatra, fonoaudiólogo, terapeuta ocupacional, psicólogo, neurologista, entre outros). Para chegar até uma possível associação ao TEA, o modelo precisa combinar várias das características, e não apenas uma variável isolada.
Antes de treinar a inteligência artificial, pesquisadores da Udesc Joinville reuniram especialistas em autismo e profissionais da operadora de saúde para identificar quais informações poderiam revelar padrões associados ao TEA. A seguir, aplicaram testes de correlação para avaliar se o sistema consegue justificar suas decisões para seres humanos. Essa etapa filtrou as variáveis mais relevantes e moldou o algoritmo do
machine learning, afirma Parpinelli.
O ajuste excessivo na base de dados, no entanto, pode gerar
overfitting – quando o modelo de IA “memoriza” o treinamento em vez de aprender os padrões gerais, o que o faz falhar na tentativa de prever dados novos do mundo real.
Para minimizar o risco de viés e distorção dos resultados, pesquisadores combinaram diferentes estratégias. Uma delas foi a utilização de amostra estratificada, o que preservou a proporção entre as classes (pessoas com TEA e sem TEA). A avaliação às cegas pela equipe de saúde da operadora também foi importante para consolidação do resultado.
Parpinelli destaca ainda que o modelo é treinado somente com dados anônimos. A identidade das pessoas permanece protegida durante o desenvolvimento da inteligência artificial, e apenas o resultado da triagem é utilizado pela operadora para encaminhar casos suspeitos a uma avaliação especializada.
“Debatemos questões éticas desde a etapa inicial de construção da base, em respeito à Lei Geral de Proteção de Dados Pessoais”, ressalta o coordenador.
Cooperação com a indústria
A cooperação da Udesc Joinville com a entidade é um exemplo de como o conhecimento científico pode aprimorar a indústria. Parpinelli foi um dos primeiros docentes a fazer parte de acordos de parceria da Udesc com empresas, impulsionando a implementação da Bolsa de Estímulo à Inovação. Hoje a modalidade está consolidada na universidade, afirma Elaine Zeni Vieira, da
Secretaria de Inovação, Parcerias e Empreendedorismo (Sipe). Em 2025 foram concedidas 777 bolsas dessa categoria, sendo 512 destinadas a estudantes e 265 a docentes.
Anteriormente, Parpinelli coordenou projetos de pesquisa com a empresa multinacional WEG S.A., o Hospital de Olhos Sadalla Amin Ghanem e a fabricante de aço ArcelorMittal.
“A ideia é aplicar inteligência artificial para trazer valor às empresas e resolver problemas reais. Essa sinergia com a academia é fundamental, pois o acompanhamento do coordenador da pesquisa traz celeridade e qualidade às entregas. A empresa investe, mas tem retorno”, reflete.
O professor ressalta que sem força de trabalho humana não há soluções inovadoras – tanto nas empresas quanto na universidade. “São as pessoas que fazem a diferença”, afirma. Com entusiasmo, destaca ter encontrado ex-alunos nos projetos de cooperação com o setor privado.
“É muito legal saber que as empresas fazem bom uso dessa capacitação que foi trilhada dentro da Udesc. Fico feliz quando encontro alunos atuantes e em cargos elevados”.
Uma dessas pessoas é
Ismael Antiqueira Costa, graduado em Ciências da Computação pela Udesc e um dos autores do artigo sobre uso de IA na triagem em TEA. Hoje, Costa é especialista em inovação em saúde no Exponencial, hub de inovação e negócios do Grupo Unimed Santa Catarina. Iniciou o estágio na empresa durante a graduação e permaneceu desde então.
“A formação na Udesc foi fundamental para a construção de um perfil profissional altamente preparado para enfrentar os desafios do ambiente de inovação”, reconhece o ex-aluno. “A bagagem adquirida em computação proporciona um diferencial expressivo na análise, planejamento e tomada de decisões em projetos com arquiteturas computacionais de alta complexidade”.
Além da pesquisa sobre TEA, o
Laboratório de Pesquisa em Inteligência Computacional, coordenado pelo professor Parpinelli, estuda
deep learning, otimização multi-objetivo e visão computacional. Acompanhe mais pelo Instagram.
Contate o pesquisador
Rafael Stubs Parpinelli é professor no Departamento de Ciência da Computação da Universidade do Estado de Santa Catarina (Udesc) e no Programa de Pós-Graduação em Computação Aplicada (PPGCAP), com bolsa de produtividade DT-CNPq. Possui doutorado em Engenharia da Computação pela Universidade Tecnológica Federal do Paraná (UTFPR). É vice-presidente da
Sociedade Brasileira de Inteligência Artificial. Atua nos seguintes temas: aprendizado de máquina, bioinformática, computação evolutiva.
E-mail:
rafael.parpinelli@udesc.br
Este texto integra o projeto
Udesc+Ciência, produzido pela Secretaria de Comunicação da Udesc com apoio da Fundação de Amparo à Pesquisa e Inovação do Estado de Santa Catarina (
Fapesc).
Assessoria de Comunicação da Udesc
Jornalista Dairan Paul
E-mail: comunicacao@udesc.br
Telefone: (48) 3664- 8006
