Uma equipa dos Estados Unidos apresentou um componente capaz de não só emitir sinais, como também os modular com tal subtileza que neurónios biológicos os conseguem interpretar como “naturais”. O estudo abre caminho a interfaces que, em vez de perturbarem o tecido nervoso, se integram no seu funcionamento.
Porque é tão difícil substituir neurónios
O cérebro humano coordena movimento, percepção e memória através de uma rede com cerca de 100 mil milhões de células nervosas. Cada neurónio recebe estímulos pelos dendritos, integra a informação no corpo celular e transmite impulsos ao longo do axónio. Quando esta cadeia é interrompida, surgem falhas funcionais no sistema.
Doenças como a doença de Parkinson afectam a motricidade; perturbações sensoriais comprometem a percepção; e diferentes formas de demência atacam a memória. O problema é que, na idade adulta, os neurónios quase não se renovam. Quando um neurónio se perde, a “lacuna” tende a permanecer.
Há anos que se procuram soluções para contornar circuitos danificados. Embora chips digitais consigam imitar certas funções neuronais, raramente conseguem “falar” a linguagem discreta e analógica do cérebro. É precisamente aqui que esta abordagem ganha relevância.
O que este neurónio artificial consegue fazer
A 29 de Setembro de 2025, investigadores da University of Massachusetts relataram na Nature Communications que um neurónio artificial consegue comunicar de forma directa e realista com neurónios biológicos.
O protótipo é capaz de enviar e receber sinais eléctricos com intensidades próximas das do sistema nervoso. Além disso, mantém-se funcional em ambiente húmido - exactamente o contexto onde as células vivem. Isto é tecnicamente exigente: muitos materiais perdem condutividade em meios aquosos ou degradam-se com o tempo.
Nanofios de proteína: a ponte condutora (neurónio artificial)
A equipa baseou-se em nanofios de proteína ultrafinos produzidos por bactérias. Estes filamentos condutores aderem bem a superfícies, transportam electrões e, sobretudo, operam de forma estável em líquido. Esse conjunto de propriedades permite criar uma interface que coexiste com neurónios em meio de cultura e transmite sinais com pouco ruído e boa fidelidade.
Os nanofios de proteína formam uma camada condutora e biocompatível que mantém a transmissão de sinais neuronais estável em ambiente aquoso.
Sinais “em surdina” a 0,1 V
Um obstáculo frequente em neurónios artificiais anteriores era o “volume” excessivo: as tensões usadas eram muitas vezes várias vezes superiores às das vias nervosas. Isso podia saturar as células receptoras e distorcer a informação transmitida. O novo dispositivo foi desenhado para operar noutro regime.
O componente funciona a cerca de 0,1 V, muito próximo do nível biológico. Versões anteriores recorriam a tensões cerca de 10 vezes superiores e consumiam até 100 vezes mais energia.
O resultado é uma comunicação com intensidade adequada: as células biológicas respondem sem entrarem em stress. Assim, a ligação efectiva entre electrónica baseada em silício e tecido nervoso fica mais próxima de ser concretizada.
Comparação rápida
| Critério | Neurónios artificiais anteriores | Neurónio UMass (2025) |
|---|---|---|
| Tensão de funcionamento | Várias vezes acima do nível biológico | Cerca de 0,1 V (próximo do sistema nervoso) |
| Consumo energético | Elevado, em alguns casos até 100× acima da nova abordagem | Baixo, eficiente em energia |
| Qualidade do sinal | Saturação e transmissão distorcida | Comunicação “suave”, padrões mais realistas |
| Robustez no ambiente | Fraca em meios húmidos | Estável em ambiente líquido, próximo das células |
O que isto pode significar para a medicina e para a tecnologia
Um neurónio artificial que comunica com células reais pode mudar prioridades: deixa de ser apenas uma questão de poder computacional e passa a ser, acima de tudo, um tema de interfaces ajustadas ao tecido vivo. Isso pode tornar terapias mais direccionadas, próteses mais naturais e hardware neuromórfico mais flexível.
Aplicações potenciais em contexto clínico
- Estimulação cerebral profunda: eléctrodos capazes de estimular de forma selectiva e finamente doseada poderão aliviar melhor o tremor associado ao Parkinson.
- Próteses sensoriais: soluções auditivas ou visuais poderiam fornecer sinais que o cérebro processa com menos necessidade de “tradução” artificial.
- Neuroreabilitação: pontes bio-híbridas podem ligar temporariamente vias lesionadas e amplificar efeitos de treino e recuperação.
- Gestão de epilepsia: sistemas que detectam crises precocemente e modulam redes em tempo real com consumo mínimo de energia.
Oportunidades para chips neuromórficos
A computação neuromórfica inspira-se no cérebro: processa informação orientada a eventos e reduz consumo energético ao distribuir tarefas por muitas unidades. No futuro, neurónios artificiais poderão não se limitar a simular redes - poderão acoplar-se directamente a redes biológicas.
Isto permitiria que algoritmos de aprendizagem recebessem feedback de tecido real e que modelos lab-on-a-chip representassem mecanismos de doença com maior realismo, aproximando investigação e biologia funcional.
Limites, riscos e próximos passos
Apesar do avanço, o protótipo permanece, por agora, no laboratório. Antes de qualquer utilização no corpo humano, há desafios essenciais: durabilidade, processos de esterilização, risco de reacções imunitárias e formas seguras de fixação ao tecido.
A dimensão ética também é determinante. Sinais neuronais podem conter informação extremamente sensível; qualquer interface terá de assentar em medidas rigorosas de protecção, governação de dados e consentimento claro.
Do ponto de vista técnico, continua por resolver a ligação estável a muitos neurónios em simultâneo. A produção escalável de nanofios de proteína, a calibração de limiares individuais e a protecção contra corrosão são tarefas críticas. Além disso, o desempenho terá de se manter consistente durante meses antes de se justificar a passagem para modelos pré-clínicos.
Biocompatibilidade, estabilidade a longo prazo e protecção de dados serão decisivas para transformar esta base laboratorial numa plataforma médica.
Um aspecto adicional, frequentemente subestimado, é o percurso regulatório. Para chegar a um hospital, um sistema deste tipo terá de demonstrar segurança e benefício clínico em estudos controlados, além de cumprir requisitos de dispositivo médico (incluindo gestão de risco e rastreabilidade de fabrico). Esse caminho pode ser tão desafiante quanto a própria engenharia do neurónio artificial.
Também é relevante considerar a integração com tecnologias já existentes de interface cérebro–máquina. Se um neurónio artificial conseguir reduzir ruído, tensão e consumo, poderá melhorar a autonomia de implantes e minimizar aquecimento local - factores que, na prática, influenciam directamente conforto, manutenção e viabilidade de uso contínuo.
Esclarecimento: o que significa “neuromórfico”
Sistemas neuromórficos reproduzem princípios do funcionamento cerebral: trabalham por eventos, distribuem a computação por muitas unidades e aproximam memória e processamento. Isso reduz tráfego de dados e gasto energético. Neurónios artificiais são peças-chave porque conseguem modular sinais de forma contínua, em vez de os forçarem a caber em pacotes digitais rígidos.
Mini-simulação: como pode funcionar uma ponte de sinal
Imagine-se uma via danificada que enfraquece sinais motores. Um neurónio artificial é colocado entre dois grupos celulares: mede impulsos de entrada, ajusta amplitude e cadência e volta a emitir o sinal no formato mais compatível com a rede a jusante. Com isso, os neurónios seguintes podem voltar a disparar de forma sincronizada, criando uma ponte funcional sem “agredir” o tecido.
Ao pesar benefícios e riscos, importa olhar para efeitos secundários. Tensões mais baixas reduzem aquecimento e stress no tecido. Uma acoplagem mais precisa diminui disparos errados. Em contrapartida, a tecnologia exige personalização: cada cérebro tem ritmos próprios e cada rede aprende a um tempo diferente. Por isso, circuitos de controlo adaptativo no neurónio artificial tendem a tornar-se um componente central para resultados estáveis e seguros.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário