Ricercatori del MIT stanno sviluppando un sistema informatico che utilizza dati genetici, demografici e clinici per aiutare a prevedere gli effetti delle malattie sull'anatomia del cervello.

Negli esperimenti hanno addestrato un sistema di apprendimento automatico su dati MRI di pazienti affetti da malattie neurodegenerative e hanno scoperto che integrando quella formazione con altre informazioni del paziente si migliorano le previsioni del sistema.

Nei casi di pazienti con cambiamenti drastici dell'anatomia del cervello, i dati aggiuntivi tagliano il tasso di errore delle previsioni alla metà, dal 20 al 10 per cento.

"Questa è la prima ricerca che abbiamo mai fatto su questo", dice Polina Golland, professore di ingegneria elettrica e informatica al MIT e autrice senior della nuova ricerca. "Il nostro obiettivo non è dimostrare che il nostro modello è quello migliore per fare questo genere di cose; ma è dimostrare che l'informazione è realmente nei dati. Quindi quello che abbiamo fatto è prendere il nostro modello, spegnere le informazioni genetiche e le informazioni demografiche e cliniche, e come risultato vediamo che con informazioni combinate possiamo prevedere meglio i cambiamenti anatomici".

Primo autore della ricerca è Adrian Dalca, studente laureato in ingegneria elettrica e informatica del MIT e membro del gruppo della Golland nel Laboratorio Scienza Informatica e Intelligenza Artificiale del MIT. Hanno partecipato Ramesh Sridharan, altro studente di dottorato nel gruppo della Golland, e Mert Sabuncu, assistente professore di radiologia del Massachusetts General Hospital, ex postdoc nel gruppo della Golland.

I ricercatori hanno presentato la ricerca alla International Conference on Medical Image Computing and Computer Assisted Intervention. Il lavoro è un progetto del Neuroimage Analysis Center, che ha sede al Brigham and Women Hospital di Boston ed è finanziato dai National Institutes of Health.

Nei loro esperimenti, i ricercatori hanno usato i dati provenienti dall'Alzheimer's Disease Neuroimaging Initiative, uno studio longitudinale sulla malattia neurodegenerativa che include scansioni MRI degli stessi soggetti presi a mesi e anni di distanza. Ogni scansione è rappresentata come un modello tridimensionale composto da milioni di piccoli cubi ('voxel'), l'equivalente 3-D dei pixel di un'immagine.

Il primo passo dei ricercatori è produrre un modello generico di cervello dalla media dei valori voxel di centinaia di scansioni MRI scelte a caso. Quindi essi caratterizzano ogni scansione nel set di formazione per il loro algoritmo di apprendimento automatico come deformazione del modello. Ogni soggetto nel set di formazione è rappresentato da due scansioni, prese da sei mesi a sette anni di distanza.

[...] "Ci sono molti modi in cui questi strumenti potrebbero dare benefici alla comunità di ricerca", dice Bruce Rosen, professore di radiologia alla Harvard Medical School e direttore dell'Athinoula A. Martinos Center for Biomedical Imaging del Massachusetts General Hospital. "A mio avviso, la domanda più difficile è se potrebbero essere utili clinicamente".

Alcuni farmaci sperimentali promettenti di Alzheimer richiedono di determinare precocemente come rischia di progredire la malattia, dice Rosen. Attualmente, egli dice, tale determinazione si basa su una combinazione di dati di scansioni MRI e PET.

"Le persone pensano che la RM sia costosa, ma è solo una frazione del costo delle scansioni PET", spiega Rosen. "Se gli strumenti ad apprendimento automatico potranno contribuire ad evitare la necessità di scansioni PET nel valutare i pazienti nelle prime fasi del decorso della malattia, ciò avrà un grande impatto".

• < Diagnosi di Alzheimer: si potrà fare attraverso la 'palpazione' del cervello?
• 'Mini-cervelli' umani prodotti ​​in laboratorio possono aiutare a risolvere Alzheimer, Parkinson e autismo? >