Neurônios sintéticos gerados por IA aceleram mapeamento cerebral, diz Google Research

O Google Research publicou o paper "MoGen: Detailed neuronal morphology generation via point cloud flow matching", que será apresentado no ICLR 2026. A ideia é direta: usar IA pra gerar neurônios sintéticos que ajudem outra IA a reconstruir mapas cerebrais com menos erro.

Assinam Michał Januszewski (Research Scientist) e Franz Rieger (Student Researcher), do Google Research.

O problema

Conectômica (connectomics) é o campo que reconstrói neurônios e monta o mapa de fiação do cérebro. O processo fatia o tecido cerebral, empilha e alinha as imagens 2D, e transforma tudo em neurônios 3D.

O mapa completo do cérebro da mosca-das-frutas macho, com 166 mil neurônios, saiu depois de anos de trabalho combinando computadores com IA e especialistas humanos. Cérebro de camundongo é mil vezes maior. Cérebro humano é mil vezes maior que o de camundongo. A conta não fecha no ritmo atual.

O gargalo está na etapa final: revisão humana (proofreading). O modelo atual do time, chamado PATHFINDER, identifica segmentos de neurônio (neuritos) e os combina pra formar o neurônio completo. Erros de split (dois neuritos que deveriam estar conectados aparecem separados) e de merge (dois neuritos sem relação são unidos) precisam ser corrigidos na mão por pesquisadores e técnicos.

Como o MoGen funciona

A equipe treinou um modelo PointInfinity (point cloud flow matching) pra transformar nuvens aleatórias de pontos 3D em formas neuronais realistas. O treino usou 1.795 axônios reconstruídos a partir de tecido de córtex de camundongo, já verificados por humanos.

A validação foi pragmática: mostraram a especialistas uma mistura de neuritos reais e sintéticos. Os humanos não conseguiram distinguir.

Depois, milhões dessas formas sintéticas entraram no pipeline de treino do PATHFINDER.

Os números

Com 10% de dados simulados do MoGen, o PATHFINDER reduziu a taxa de erro na reconstrução dos axônios de camundongo reservados pra teste em 4,4%. A queda veio principalmente dos erros de merge.

4,4% parece pouco. Só que na escala de um cérebro completo de camundongo, isso equivale a 157 anos-pessoa de revisão manual poupados. O Google afirma ser a primeira vez que uma abordagem de IA generativa moderna avança o estado da arte em reconstrução conectômica.

Aqui está o ponto interessante: é data augmentation aplicado a um domínio onde coletar dado real custa anos de microscopia e revisão. O mesmo padrão que já vimos em NLP, geração de imagem e direção autônoma agora aparece em neurociência.

Próximos passos

O time já treinou versões do MoGen pra neurônios de tentilhão-zebra e mosca-das-frutas, além do camundongo. Planos futuros:

• Direcionar a geração pra tipos específicos de neurônio (ajustando comprimento, extensão espacial, ramificação)
• Focar em geometrias especialmente propensas a erro de reconstrução
• Gerar imagens sintéticas de microscopia eletrônica pra alimentar etapas mais cedo do pipeline

O MoGen foi liberado como modelo open-source, junto com as versões treinadas por espécie. Disponível no site de Connectomics do Google.

Pra quem acompanha IA aplicada a ciência, vale o registro: não é LLM, não é agente, não é chatbot. É flow matching em nuvem de pontos resolvendo um gargalo real de neurociência. O tipo de trabalho que raramente vira manchete, mas move a fronteira.