O MIT publicou esta semana um modelo de IA open-source que identifica risco de Alzheimer anos antes do aparecimento dos sintomas cognitivos, com precisão declarada 4× superior aos métodos pré-clínicos anteriores. Pesos, código de treinamento e pipelines de avaliação são públicos através da plataforma da Alzheimer's Disease Data Initiative. Para pessoas com histórico familiar de demência, para clínicos avaliando ensaios de intervenção precoce, para pesquisadores que querem construir em cima — é o primeiro modelo aberto treinado no conjunto de dados multinacional da rede WW-FINGERS.

O modelo se chama FINGERS-7B, do Picower Institute for Learning and Memory do MIT (laboratório dirigido por Li-Huei Tsai). Pesquisadores principais: Arvid Gollwitzer no Broad Institute e Adrian Noriega, MIT-Novo Nordisk AI Fellow. A mudança metodológica é treinamento multimodal conjunto — dados de estilo de vida, histórico clínico, dados genômicos e biomarcadores proteômicos alimentam um único modelo em vez de preditores separados costurados. Os dados de treinamento vêm da rede WW-FINGERS, uma colaboração de 40 países com ~30.000 participantes, construída sobre o ensaio FINGER original da professora Miia Kivipelto, combinando registros clínicos/estilo de vida com dados genômicos e proteômicos de laboratórios parceiros. O modelo produz três saídas por indivíduo: risco estimado de Alzheimer, trajetória projetada de declínio cognitivo, e resposta prevista a intervenções — qual intervenção de estilo de vida ou clínica provavelmente ajudará quem. Ganhos declarados: diagnóstico pré-clínico 4× mais preciso que métodos anteriores, melhora de 130% em estratificação de respondedores.

A pesquisa sobre Alzheimer tem sido historicamente lenta em conseguir infraestrutura ML open-source que combine dados em escala populacional com transparência completa de pesos. A maioria do trabalho anterior de previsão de risco usava coortes proprietárias ou pesos fechados — papers que se podia ler mas modelos que não se podia rodar. FINGERS-7B está implantado no AD Workbench, a plataforma cloud segura da Alzheimer's Disease Data Initiative, o que significa que pesquisadores podem aplicar o modelo aos seus próprios dados de saúde protegidos sem exfiltrar PHI para uma API externa. O preprint está no OpenReview (id: fVqvRQ6XRV). Para o padrão mais amplo de publicações de IA em saúde, isso está mais perto da forma open-data BigBio/MedLM do que da caixa-preta aprovada pela FDA — e essa distinção importa para quem pode construir trabalho derivado sem barreiras de licença.

É preprint, ainda não revisado por pares — os números de 4× e 130% vêm com as ressalvas habituais: tamanhos de efeito pequenos podem mover ratios de manchete, métodos de referência importam, e validação contra coortes futuras é o teste real. O conjunto de dados WW-FINGERS também tende europeu em suas origens; generalização para outras populações requer trabalho separado. Mas para qualquer um trabalhando em ML biomédico, ou qualquer um com interesse familiar em prevenção de demência, esse é um dos movimentos recentes mais concretos em direção a ferramentas de detecção precoce usáveis fora de um único laboratório.