Diagnosi precoce di Alzheimer: possiamo farla con le tecniche di Google?

15 Ago 2012

Centro Residenziale di Cura St Cecillia, Scarborough. Un medico ha una scansione cerebrale su uno schermo di fronte. Il suo paziente si era lamentato per l'aumento della dimenticanza così il medico inserisce la scansione nel software di diagnosi, che evidenzia la positività per l'Alzheimer in fase precoce.

C'è una lieve perdita di volume nel lobo temporale e il computer dà il tasso di atrofia negli ultimi cinque anni, insieme al suggerimento per un adeguato farmaco anti-amiloide. L'età del paziente è 110 anni, l'anno, forse il 2050.

Questa è fantascienza, ma la possibilità di "googlare" una scansione del cervello con il software di diagnosi dedicato può essere realizzato nel prossimo futuro. La diagnosi automatica si basa molto su sistemi di apprendimento delle macchine e su algoritmi matematici che al momento sono limitati in gran parte ad ambiti sperimentali di piccole dimensioni. Tuttavia, c'è un enorme potenziale di espansione per questi approcci in ambienti clinici più ampi. Per l'Alzheimer, questi strumenti sono assolutamente necessari, poichè la prevalenza di questa malattia è destinata a triplicare nei prossimi 40 anni.

Riconoscendo la necessità di individuare le prime fasi dei danni, negli ultimi anni è stata istituita una nuova categoria diagnostica chiamata lieve deterioramento cognitivo (MCI- Mild Cognitive Impairment), uno stadio intermedio tra un invecchiamento sano e l'Alzheimer. Quelli con MCI hanno maggiore rischio di declino verso l'Alzheimer, anche se non tutti i casi di MCI diventeranno Alzheimer.

Però la nostra capacità di diagnosticare con precisione queste condizioni è una scienza ancora molto grezza. Le tecniche attuali per la diagnosi coinvolgono lunghi questionari e test che sondano diversi aspetti della memoria, del linguaggio e dell'attenzione. La precisione di questi metodi tradizionali non è particolarmente elevata, va dal 70% all'80%. Se l'intero processo potesse essere accelerato e reso più accurato, allora saremmo in una posizione molto migliore per identificare correttamente quelli con MCI o Alzheimer. Questo era l'obiettivo di un recente articolo pubblicato sulla rivista Public Library of Science One (PLoS One), dal Dipartimento di Psichiatria della Goethe University di Francoforte, in collaborazione con scienziati di Dublino e della Francia.

Una scansione del cervello chiamata imaging del tensore di diffusione (DTI) visualizza la materia bianca in grande dettaglio, con tratti del tessuto codificati dal colore in base all'orientamento. La DTI può aiutare a diagnosticare l'Alzheimer nelle prime fasi. Foto: Laurence O'Dwyer

Questo lavoro si è conentrato sull'uso di un tipo di algoritmo, un vettore di supporto alla macchina (SVM) per consentire a un computer di "apprendere" le caratteristiche essenziali di diverse classi di cervello. Gli SVM hanno avuto un enorme successo in una vasta gamma di settori. Per esempio, essi sono spesso utilizzati per analizzare migliaia di registrazioni di carte di credito e identificare le attività fraudolente. In campo medico, la genetica ha aperto la strada, con la ricerca sugli embrioni che mostra come il SVM può imparare il profilo di uno specifico gene di diversi tumori o cancri.

Il documento su PLoS One dimostra come il SVM può imparare a distinguere tra cervelli sani anziani e il cervello con MCI. Una volta che l'algoritmo ha memorizzato le caratteristiche di queste categorie dopo essere stato addestrato su un gran numero di esempi noti, può quindi identificare una nuova scansione che non è stata vista prima, secondo le categorie che ha appreso.

Un altro vantaggio è che una volta che il sistema è stato addestrato, la classificazione di una nuova scansione è estremamente veloce, con livelli di precisione nel campo del 90-95%, che è significativamente migliore rispetto a test e questionari tradizionali. La diagnosi più rapida e più accurata del MCI con support vector machines può dare una finestra vitale per l'inizio dell'intervento clinico che potrebbe aiutare a stabilizzare la condizione di MCI e ridurre il rischio di declino verso l'Alzheimer.

Anche se questi progressi sono incoraggianti, il ritmo di sviluppo è ancora relativamente lento se confrontato con campi correlati, come la ricerca su internet. Gli strumenti di ricerca su Internet sono estremamente amichevoli per l'utente e utilizzati ubiquitariamente, in netto contrasto con la diagnosi automatica, che rimane confinata alle prove sperimentali. Questo in parte è perché gli strumenti di apprendimento automatico non sono stati generalmente confezionati in un software che permette a coloro che non sono esperti in tale disciplina di usarli con facilità.

E tuttavia gli SVM usati nella diagnosi automatica sono senza dubbio meno complessi di quelli degli algoritmi già utilizzati ogni giorno da milioni di persone che utilizzano motori di ricerca su internet. Per il futuro, le scansioni cerebrali molto probabilmente saranno "Googlate" in un modo o nell'altro nel software di diagnosi dedicato per fornire una diagnosi in tempo reale. E' chiaro che le competenze mediche continueranno ad essere fondamentali, ma c'è un urgente bisogno di software di diagnostica più amichevoli per l'utente che consentano al clinico di utilizzare questi algoritmi di apprendimento automatico con facilità.

In termini pratici, la capacità di identificare l'Alzheimer e il MCI in determinati punti temporali precedenti, ha enormi vantaggi potenziali per le persone a rischio di demenza così come per l'economia mondiale. Si stima che ritardare l'insorgenza della demenza da soli 5 anni porterebbe ad una diminuzione del 50% nella prevalenza della demenza. Ma un tale ritardo nella comparsa della malattia può richiedere un trattamento con farmaci futuri in tempi precedenti rispetto a quelli attualmente possibili.

Quindi per il momento siamo in una situazione in cui mancano farmaci efficaci per l'Alzheimer, così come strumenti efficaci per una rapida diagnosi precoce. Tuttavia, la pubblicazione di questa nuova tecnica diagnostica in PLoS One, insieme all'iniziativa di estendere tali tecniche per l'applicazione in tutta una serie di diversi centri di ricerca in Europa, indica che il settore si sta muovendo in avanti.

***********************
Cosa pensi di questo articolo? Ti è stato utile? Hai rilievi, riserve, integrazioni? Conosci casi o ti è successo qualcosa che lo conferma? o lo smentisce? Puoi usare il modulo dei commenti qui sotto per dire la tua opinione. Che è importante e unica.

***********************
Fonte: Goethe University Riferimento: O'Dwyer L, Lamberton F, Bokde ALW, Ewers M, Faluyi YO, et al. (2012) Using Support Vector Machines with Multiple Indices of Diffusion for Automated Classification of Mild Cognitive Impairment. PLoS ONE 7(2): e32441. doi:10.1371/journal.pone.0032441

Pubblicato da Lawrence O'Dwyer in Guardian il 14 Agsoto 2012 - Traduzione di Franco Pellizzari.

Copyright: Tutti i diritti di eventuali testi o marchi citati nell'articolo sono riservati ai rispettivi proprietari.

Liberatoria: Questo articolo non propone terapie o diete; per qualsiasi modifica della propria cura o regime alimentare si consiglia di rivolgersi a un medico o dietologo. Il contenuto non dipende da, nè impegna l'Associazione Alzheimer onlus di Riese Pio X. I siti terzi raggiungibili da eventuali links contenuti nell'articolo e/o dagli annunci pubblicitari proposti da Google sono completamente estranei all'Associazione, il loro accesso e uso è a discrezione dell'utente. Liberatoria completa qui.

Nota: L'articolo potrebbe riferire risultati di ricerche mediche, psicologiche, scientifiche o sportive che riflettono lo stato delle conoscenze raggiunte fino alla data della loro pubblicazione.