Ricerche

Ricercatori delle università Kaunas in Lituania hanno sviluppato un metodo basato sull'apprendimento profondo che è in grado di prevedere la possibile insorgenza del morbo di Alzheimer (MA) partendo da scansioni del cervello, con una precisione superiore al 99%.

Il metodo è stato sviluppato analizzando immagini di MRI funzionale ottenute da 138 soggetti, ed è risultato migliore in termini di accuratezza, sensibilità e specificità, rispetto ai metodi  sviluppati finora.

Secondo l'Organizzazione Mondiale della Sanità, il MA è la causa più frequente di demenza, contribuendo fino al 70% dei casi di demenza. In tutto il mondo, circa 24 milioni di persone ne sono colpite, e questo numero è destinato a raddoppiare ogni 20 anni. A causa dell'invecchiamento della società, la malattia diventerà un onere pesante delle sanità pubbliche negli anni a venire.

Rytis Maskeliūnas, ricercatore del Dipartimento di Ingegneria Multimediale nella Facoltà di Informatica della Kaunas University of Technology (KTU), dice:

“I professionisti medici in tutto il mondo tentano di sensibilizzare l'opinione pubblica sulla diagnosi precoce del MA, che fornisce una migliore possibilità di trarre benefici da un trattamento. Questo è uno dei più importanti problemi per la scelta dell'argomento [della tesi] di Modupe Odusami, dottorando dalla Nigeria”

L'elaborazione delle immagini delegata alla macchina

Uno dei primi segni possibili di MA è il lieve decadimento cognitivo (MCI, mild cognitive impairment), che è la fase tra il declino cognitivo previsto nell'invecchiamento normale e la demenza. Sulla base della ricerca precedente, si può usare la risonanza magnetica funzionale (fMRI) per identificare le regioni del cervello che possono essere associate con l'insorgenza del MA, secondo Maskeliūnas. Le prime fasi dell'MCI hanno spesso sintomi poco chiari, ma in non pochi casi possono essere rilevati dalla neuroscansione.

Tuttavia, anche se teoricamente possibile, l'analisi manuale delle immagini fMRI, che tenta di identificare i cambiamenti associati con il MA, non richiede solo conoscenze specifiche, ma anche molto tempo; le applicazione di apprendimento profondo e altri metodi di intelligenza artificiale possono accelerare l'operazione in modo significativo.

Trovare le caratteristiche dell'MCI non significa necessariamente che è presente la malattia, in quanto può anche essere un sintomo di altre malattie correlate, ma è un vero indicatore, che può orientare verso la valutazione di un medico. Nelle parole di Maskeliūnas:

“Il trattamento moderno del segnale permette di delegare alla macchina l'elaborazione delle immagini, che può completare più velocemente e con sufficiente precisione. Naturalmente, noi non osiamo suggerire che un medico dovrebbe fare affidamento su un qualsiasi algoritmo al 100%.

"Pensiamo alla macchina come un robot in grado di fare il compito più noioso di smistamento dei dati e la ricerca di caratteristiche. In questo scenario, dopo che l'algoritmo informatico seleziona potenzialmente i casi interessati, lo specialista può esaminarli più da vicino, e alla fine, dare benefici a tutti perché la diagnosi e il trattamento raggiungono il paziente molto prima”,.

Dobbiamo trarre il massimo dai dati

Il modello basato sull'apprendimento profondo è stato sviluppato con una proficua collaborazione tra i maggiori ricercatori lituani nel settore dell'intelligenza artificiale, usando una versione modificata del ben noto ResNet 18 (residual neural network, rete neurale residuale) messo a punto per classificare le immagini MRI funzionali ottenute da 138 soggetti.

Le immagini cadevano in sei diverse categorie: da quella sana, all'intero spettro dall'MCI al MA. Per la formazione e la convalida sono state selezionate in totale 51.443 e 27.310 immagini fMRI dell'Alzheimer’s Disease Neuroimaging Initiative.

Il modello è stato in grado di trovare in modo efficace le caratteristiche dell'MCI nei dati, ottenendo la migliore precisione di classificazione del 99,99%, 99,95% e 99,95% per l'MCI iniziale vs MA, tardo MCI vs MA, e MCI vs MCI iniziale, rispettivamente.

“Anche se questo non è il primo tentativo di diagnosticare il MA ad insorgenza precoce da dati simili, la nostra innovazione principale è la precisione dell'algoritmo. Ovviamente, tali numeri elevati non sono indicatori di vere prestazioni nella vita reale, ma stiamo lavorando con le istituzioni mediche per ottenere più dati”, dice Maskeliūnas.

Secondo lui, l'algoritmo potrebbe diventare un software, che potrebbe analizzare i dati raccolti da gruppi vulnerabili (gli over 65, con una storia di lesioni cerebrali, ipertensione, ecc.) e avvisare il personale medico delle anomalie legate all'esordio precoce del MA.

“Abbiamo ottenere il massimo dai dati”, dice Maskeliūnas, “è per questo che il nostro gruppo di ricerca si concentra sul principio di scienza europea aperta, quindi chiunque può usare la nostra conoscenza e continuare lo sviluppo. Credo che questo principio contribuisca notevolmente al progresso della società”.

Maskeliūnas afferma che il modello sopra descritto può essere integrato in un sistema più complesso, che analizza diversi parametri, come monitorare i movimenti oculari, leggere il volto, analizzare la voce, ecc. Tale tecnologia potrebbe essere usata per l'auto-controllo e allarmare per cercare consulenza professionale se qualcosa sta causando preoccupazione.

“Le tecnologie possono rendere la medicina più accessibile e meno costosa. Anche se non potranno mai (o almeno non a breve) veramente sostituire il medico, le tecnologie possono incoraggiare la ricerca di una diagnosi tempestiva e l'aiuto”, dice Maskeliūnas.