Ricerche

Il morbo di Alzheimer (MA) è la causa principale di demenza in tutto il mondo. Sebbene non vi sia alcuna cura, il rilevamento precoce è considerato cruciale per implementare trattamenti efficaci che agiscono prima che il suo progresso sia irreversibile.

Il 'lieve deterioramento cognitivo' (MCI, mild cognitive impairment) è una fase che precede la malattia, ma non tutti coloro che ne soffrono finiscono per sviluppare il MA. Uno studio guidato da scienziati dell'Università Oberta de Catalunya (UOC) e pubblicato sul Journal of Biomedical and Health Informatics, è riuscito a distinguere con precisione tra persone il cui deterioramento è stabile e coloro che progrediscono alla malattia.

La nuova tecnica, che usa metodi specifici di intelligenza artificiale per confrontare le immagini della risonanza magnetica (MRI), è più efficace degli altri metodi attualmente in uso.

Perfezionare la diagnosi

Il MA e le demenze correlate interessano oltre 50 milioni di persone in tutto il mondo e l'invecchiamento della popolazione implica che potrebbero esserci molti più malati nei prossimi decenni. Sebbene di solito si sviluppi senza alcun sintomo per molti anni, è generalmente preceduto dall'MCI, che è molto più lieve rispetto alla compromissione delle persone con MA, ma più grave di quanto ci si aspetterebbe in una persona di quell'età specifica.

"Questi pazienti possono progredire e peggiorare o rimanere nelle stesse condizioni con il passare del tempo. Ecco perché è importante distinguere tra il deterioramento cognitivo progressivo e quello stabile, al fine di prevenire la progressione rapida della malattia", ha affermato Mona Ashtari-Majlan, ricercatrice di intelligenza artificiale dell'UOC e dottoranda di informatica supervisionata dall'autore senior Mohammad Mahdi Dehshibi.

Identificare correttamente questi casi potrebbe aiutare a migliorare la qualità degli studi clinici usati per testare i trattamenti, che cercano sempre più di colpire le fasi iniziali della malattia. Per fare ciò, i ricercatori hanno usato un metodo che coinvolge una rete neurale convoluzionale multi-flusso, che è una tecnica basata sull'intelligenza artificiale e sull'apprendimento profondo che è molto utile per il riconoscimento e la classificazione delle immagini.

"Per la prima volta abbiamo confrontato le risonanze magnetiche dei pazienti con MA e quelle delle persone sane, per trovare punti di riferimento distinti", ha spiegato la Ashtari-Majlan.

Dopo aver addestrato il sistema, hanno messo a punto l'architettura proposta con immagini MRI di persone a cui era già stata diagnosticata una compromissione cognitiva stabile o progressiva, con differenze molto più piccole. In totale, sono state usate quasi 700 immagini disponibili pubblicamente.

Secondo la Ashtari-Majlan, il processo "supera la complessità dell'apprendimento causata dai sottili cambiamenti strutturali che sono presenti nelle due forme di MCI, che sono molto più piccole di quelle tra un cervello normale e un cervello colpito dalla malattia. Il metodo proposto potrebbe inoltre affrontare il problema della piccola dimensione del campione, in cui il numero di scansioni dei casi di MCI è inferiore a quello dei casi di MA".

Il nuovo metodo consente di distinguere e classificare le due forme di MCI con un tasso di precisione vicino all'85%.

"I criteri di valutazione mostrano che il metodo che proponiamo supera quelli esistenti", ha detto, "inclusi i metodi più convenzionali e di apprendimento profondo, anche quando sono combinati con biomarcatori come l'età e i test cognitivi. Inoltre, possiamo condividere la nostra implementazione con chiunque desideri riprodurre i risultati e confrontare i suoi metodi con i nostri. Riteniamo che questo metodo possa aiutare i professionisti ad espandere la ricerca".